量子科技中心_量科网

该研究团队提出了一种基于中性原子阵列模拟量子计算的量子原生特征选择方法（QFS），该方法适用于各类学术与工业场景。在该方案中，特征相关性（通过与目标变量的互信息度量）被编码为局部失谐幅度，特征冗余性则通过受里德堡阻塞半径约束的距离依赖范德华作用力实现。系统经绝热演化至低能态构型后，通过测量获得的比特串可提取物理一致的特征子集。 研究人员在三个经典二分类数据集（居民收入、银行营销、电信客户流失）上进行了模拟验证。相较于互信息排序法、Boruta算法结合XGBoost和随机森林分类器等传统方法，该量子计算方法展现出相当或更优的性能。特别是在选取2-5个紧凑特征时，模拟量子特征选择将平均AUC分数提升1.5-2.3%，同时减少75-84%的特征数量，提供可解释的低冗余解决方案。 这些结果表明，可编程里德堡原子阵列为机器学习流程中的智能特征选择提供了有效平台，能够将量子计算优势转化为具有实际意义的工业级量子应用价值。