量子科技中心_量科网

量子机器学习（QML）处于量子计算与经典机器学习的交叉领域，为处理复杂数据提供了新型计算范式和潜在优势。本章面向两个领域的研究者介绍QML基础原理，建立共同的概念框架。该团队将理论计算机科学中最坏情况下的对抗性视角与量子系统的物理原理相结合，着重阐释量子叠加、纠缠和测量坍缩如何影响学习过程及模型鲁棒性。研究特别关注对抗鲁棒性——即QML模型抵抗人为设计失效输入的能力。通过阐明当对抗性成为核心要素时，经典与量子数据及计算的本质差异，该工作为后续章节开展对抗性与鲁棒量子机器学习研究奠定基础。