量子科技中心_量科网

该研究团队提出分层量子架构搜索（layered-QAS），这是一种受经典网络形态启发的策略，通过渐进式生长和调整来设计参数化量子电路（PQC）架构。PQC能以较少的参数实现强大的表达能力，但缺乏针对特定学习任务编码归纳偏置的标准架构层（如卷积层、注意力层）。为验证该方法有效性，研究人员选择具有挑战性但结构特征明显的三维点云分类任务作为测试场景。此前相关工作仅将PQC用作经典分类器的特征提取器，而该方案将PQC作为分类模型的核心构件。仿真实验表明：分层量子架构搜索能缓解贫瘠高原现象，其性能优于量子化改造的局部搜索和进化量子架构搜索基线，并在ModelNet数据集上取得了基于PQC方法的最先进成果。