量子科技中心_量科网

该团队研究了连续变量光子量子极限学习机作为快速、低开销的碰撞机数据处理前端系统。数据通过正交位移编码在光子模态中，并在固定时间的高斯量子基底中传播。最终通过高斯兼容测量实现读出，生成高维随机特征图。仅需训练线性分类器（采用单次线性求解），因此重新训练速度极快，且光路与探测器响应决定了分析和推理延迟。 研究人员在两项典型分类任务（顶夸克喷注标记与希格斯玻色子识别）上评估该架构，并以参数匹配的多层感知机（MLP）作为基准。使用标准公开数据集及相同的训练/验证/测试划分后，光子量子极限学习机（QELM）在所有训练规模下均优于含两个隐藏单元的MLP，在大样本量时达到或超越含十个隐藏单元的MLP性能——而前者仅需训练线性读出层。这些结果表明高斯光子极限学习机能以固定延迟提供紧凑且富有表达力的随机特征。 确定性时序、快速重新训练、低光功率与室温运行的特性，使光子QELM成为未来碰撞机实验中在线数据选择乃至一级触发集成的可信基础模块。