量子科技中心_量科网

变分量子电路已成为在标记量子态上执行量子机器学习（QML）任务的常用工具。在某些特定任务或特定变分拟设中，研究人员可能仅对输入态的部分受限区域进行测量。以量子卷积神经网络（QCNN）为例：该网络每层电路运行后，会对处理态的部分量子比特进行测量或追踪；而在网络末端通常仅测量局部可观测量。该工作证明，在回归型QML任务中，使用受限支撑的可观测量会导致标签预测方差增大。研究团队发现其本质原因在于：经过变分电路处理后，所测量可观测量的不同本征值数量会直接影响预测结果的波动性。