量子科技中心_量科网

变分量子算法（VQAs）已在量子机器学习（QML）、优化和分子模拟领域得到广泛应用研究。虽然该算法专为含噪声中等规模量子（NISQ）设备设计，但由于噪声设备结果的不确定性和有限资源可用性，其评估主要依赖经典计算机模拟。这引发了关于模拟VQA在含噪声硬件上可复现性的担忧。尽管先前研究表明，VQA可能在特定参数化浅层量子电路中展现噪声鲁棒性，但目前尚无明确标准界定何为浅层电路，也无法确定含噪声平台上VQA的最佳电路深度。这些挑战自然延伸至变分量子分类（VQC）算法——这是VQA中用于监督学习的子类算法。本文提出了一种基于相对熵的度量方法，用于验证VQC模型在含噪声设备上的表现是否与模拟环境一致。该研究团队发现类别间平均相对熵差异、编译电路深度与它们在含噪声量子设备上的性能差异存在强相关性。研究结果进一步表明，仅凭电路深度不足以表征浅层电路特性。通过采用多样化的VQC实现技术、数据集及多种含噪声量子设备，该工作提供了支持上述论断的经验证据。