量子科技中心_量科网

“泛化能力”指机器学习模型成功将训练数据中学到的模式应用于新未见数据的能力。在当前含噪声中等规模量子（NISQ）时代，量子设备固有地受到噪声影响，这会降低泛化性能。该工作针对局域退极化噪声下的量子核辅助支持向量机（QSVM），推导出基于间隔的泛化性能上下界。这些理论界定量表征了噪声引起的间隔衰减现象，并通过多数据集数值模拟及真实量子硬件实验得到验证。研究人员通过实证证实间隔可作为QSVM泛化性能的可靠指标，从而论证了聚焦间隔度量的合理性。此外，团队通过实验证据表明：常用的全局退极化噪声模型过于乐观，无法准确捕捉NISQ时代观察到的泛化性能退化现象，由此阐明了研究局域退极化噪声的必要性。