量子科技中心_量科网

该研究团队展示了一种量子特征提取方法在太空应用中的多类图像分类性能提升。通过利用多体自旋哈密顿量的动力学特性，该方法生成的量子特征与经典处理相结合后，实现了量子增强的分类准确率。在以性能稳定的ResNet50模型作为基准时，经典方法最高准确率为83%，迁移学习方法可提升至84%。而采用量子-经典混合方法后，准确率显著提升至87%，较传统方法展现出明确且可复现的优势。在IBM多款量子处理器上的实验表明，这种混合方法能稳定带来2-3%的绝对准确率提升。这些成果不仅揭示了当前及近未来量子处理器在卫星成像、遥感等高价值数据驱动领域的应用潜力，也为现实世界机器学习任务的更广泛适用性提供了实证依据。