量子科技中心_量科网

多体系统中的量子相变本质上由复杂的关联结构所表征，这对大型系统中的传统计算方法提出了巨大挑战。为此，该研究团队提出了一种混合量子-经典注意力模型。该模型通过交换测试和参数化量子电路实现的注意力机制，来提取量子态内部关联并执行基态分类。在以9和15量子位为系统规模的团簇-伊辛模型上进行基准测试时，该模型在少于100个训练数据的情况下实现了高分类准确率，并展现出对训练集变化的强鲁棒性。进一步分析表明，该模型能成功捕捉相位敏感特征和特征物理长度尺度，为复杂多体系统中的量子相识别提供了一种可扩展且数据高效的研究方法。