量子科技中心_量科网

在该论文中，该研究团队通过执行应用于真实世界金融用例的二元分类任务，定义并基准测试了一种混合量子-经典机器学习流程。具体而言，该团队在包含数据预处理和二元分类的经典例程中实现了一个量子储备计算（QRC）层。该储备层已在QuEra的Aquila（一种256量子位中性原子模拟器）上执行，使用了两种不同类型的编码：位置编码和局部失谐编码。在前一种情况下，经典数据被编码为原子之间的相对距离；在后一种情况下，则被编码为脉冲幅度。所开发的流程应用于使用公共数据集和多种传统分类器预测信用卡违约。结果与包含深度神经网络（DNN）模型的完全经典流程进行了比较。此外，通过比较在分类工作流程中使用Aquila获得的结果与使用量子系统的经典无噪声仿真获得的结果，评估了硬件噪声对分类性能的影响。结果表明，无噪声仿真实现了与完全经典流程相竞争的性能，而噪声显著降低了整体性能。尽管这一特定用例的结果与经典基准相当，但QRC的灵活性和可扩展性突显了其在广泛应用中的强大潜力。