量子科技中心_量科网

该研究提出了一种适用于相关性聚类的混合量子-经典方法。这项基于图的无监督学习任务旨在根据节点间成对相似性与差异性对图结构进行划分。具体而言，研究人员改造了GCS-Q量子辅助求解器（原设计用于联盟结构生成），通过递归分割法在带符号图中最大化簇内一致性。该方法将每个二分步骤编码为二次无约束二进制优化问题，并借助量子退火进行求解。这种将量子优化融入分层聚类框架的方式，使得处理具有任意相关性结构（包括负边）的图成为可能，且无需依赖度量假设或预设聚类数量。在合成带符号图和真实高光谱成像数据上的实验表明，当应用于相关性聚类时，GCS-Q在真实数据场景及簇规模不平衡情况下，其鲁棒性和聚类质量均超越经典算法。该成果凸显了混合量子-经典优化技术在推动图结构无监督学习中可扩展且结构感知的聚类方法发展方面的潜力。