该研究团队提出了一个基于支持向量机（SVM）分类器级联架构的三量子比特纠缠态系统分类框架。通过利用具有四个嵌套纠缠类别（S、B、W和GHZ）的明确三量子比特结构，研究人员构建了三个不同的见证模型（ℳB、ℳW和ℳGHZ）来依次区分这些类别。在混合态综合数据集上，所提出的级联模型实现了95%的整体分类准确率。通过对分布外（OOD）纠缠态和各种量子噪声通道的严格测试，该框架的鲁棒性和泛化能力得到验证，模型始终保持高性能。这项工作的关键贡献是基于系统性特征重要性分析的优化方案，该方法产生了一个可调节框架，在保持可靠模型精度的同时显著减少了所需特征的数量。
作者单位：
VIP可见
提交arXiv：
2026-02-17 12:49
