量子科技中心_量科网

量子支持向量机因高维量子态和硬件限制面临可扩展性挑战。该研究团队提出了一种嵌入感知的量子-经典混合流程，结合类别平衡K均值蒸馏与预训练视觉Transformer嵌入。核心发现在于：ViT嵌入能独特实现量子优势，在Fashion-MNIST上相比经典SVM最高提升8.02%准确率，MNIST上提升4.42%，而CNN特征则出现性能下降。通过基于cuTensorNet的16量子比特张量网络模拟，该工作首次系统性证明量子核优势关键取决于嵌入选择，揭示了Transformer注意力机制与量子特征空间之间的本质协同效应。这为利用现代神经架构实现可扩展量子机器学习提供了可行路径。