量子科技中心_量科网

里德堡原子阵列中的量子相变为研究多体物理提供了重要机遇，但如何在不依赖显式序参量的情况下区分不同有序相仍具挑战性。该研究团队提出一种资源高效的量子机器学习方法，将经典阴影层析技术与变分量子电路（VQCs）相结合，实现Z2与Z3有序相的二元分类。该方案处理每个51原子链态的500次随机测量，重构阴影算符后执行PCA降维（514个特征），并通过角度嵌入将特征编码至2量子比特参数化电路。该电路采用RY-RZ角度编码、全连接CZ门实现强纠缠，仅需7层深度和2参数的最小化ansatz结构。基于合页损失的同步扰动随机逼近（SPSA）训练经120次迭代收敛，测试准确率达100%，精确率、召回率与F1分数均为满分，证明极少量量子资源即可实现高精度相分类。该工作为近期量子器件上的量子增强凝聚态物理研究开辟了新路径。