量子科技中心_量科网

该研究探讨了量子支持向量分类器（QSVC）与量子神经网络（QNN）在机器学习任务中相较于经典模型的性能表现。通过对鸢尾花数据集和MNIST-PCA数据集的评估，研究人员发现随着问题复杂度的提升，量子模型往往能超越经典方法。虽然QSVC通常提供更稳定的结果，但QNN因其更高的量子负载而在高复杂度任务中展现出更优异的性能。此外，该工作分析了超参数调优的影响，表明特征映射和ansatz配置会显著影响模型精度。团队还对比了PennyLane和Qiskit框架，得出结论认为Qiskit为该实现提供了更好的优化与效率。这些发现凸显出量子机器学习（QML）在复杂分类问题中的应用潜力，并为模型选择与优化策略提供了重要参考。