量子科技中心_量科网

量子机器学习（QML）算法已经在各种硬件平台上展现出早期潜力，但由于量子态演化的固有不可解释性，这些算法仍然难以解读。广泛使用的经典可解释性方法（如积分梯度和基于代理的敏感性分析）由于测量坍塌和模拟态演化的指数级复杂性，无法直接适用于量子电路。在这项工作中，该团队引入了HATTRIQ，这是一个通用框架，用于计算基于电路的QML模型中基于振幅的输入归因分数。HATTRIQ支持广泛使用的输入振幅嵌入特征编码方案，并利用基于哈达玛测试的结构直接在量子硬件上计算输入梯度，以生成可证明的忠实归因。该团队在多个数据集（条纹图案、MNIST和FashionMNIST）的分类任务上验证了HATTRIQ的有效性。