量子科技中心_量科网

寻找高效量子特征映射以实现数据编码面临重大挑战，这主要源于参数化量子电路固有的平坦训练景观和冗长训练过程。为解决这些问题，该研究团队提出了一种免训练的进化式量子架构搜索框架，其采用基于电路的经验法则，重点关注可训练性、硬件鲁棒性、泛化能力、表达力、复杂度及核-目标对齐等维度。通过多种代理指标对电路架构进行排序，该方法显著降低了评估成本，并采用硬件感知电路设计以增强抗噪声稳健性。研究人员在人工数据集与量子生成数据集上执行分类任务（采用量子支持向量机）进行验证，结果表明：该方法在模拟器和真实量子硬件上均展现出具有竞争力的准确度，其采样效率超越现有最优量子架构搜索方法，架构搜索运行时间最高可缩短两倍。