量子科技中心_量科网

利用变分量子电路进行分类是量子机器学习领域一个前景广阔的前沿方向。基于变分量子电路的量子监督学习（QSL）在处理经典数据时，需将数据嵌入量子希尔伯特空间并优化电路参数以训练测量过程。在此背景下，量子嵌入的选择从根本上影响着QSL的效能。该研究提出了一种经典-量子混合优化方法，突破标准量子计算电路模型（即完全正且保迹的映射）的限制，实现了对通用多通道数据的量子嵌入优化。研究人员采用CIFAR-10和Tiny ImageNet数据集对框架内多种模型进行性能基准测试，并通过理论分析指导模型设计与优化。