量子科技中心_量科网

合成孔径雷达（SAR）数据本质上是复数值的，而量子机器学习（QML）模型天然在复希尔伯特空间中运行。这种表观一致性表明，将幅度和相位信息同时纳入量子编码应能提升SAR自动目标识别（ATR）性能。本工作中，该研究团队通过MSTAR基准数据集上的统一实验框架，系统比较了五种量子编码策略：仅幅度、复数联合、基于同相/正交分量、预处理相位和纯量子编码，以验证该假设。与预期相反，研究人员观察到一致规律：在量子-经典混合架构中，仅幅度编码的表现优于所有复数值策略——在3分类任务中达到99.57%准确率，8分类任务达71.19%，而相位感知方法带来的改进可忽略（约0%）甚至为负。相比之下，在仅含184-224个可训练参数且无经典组件的纯量子架构中，相位信息变得至关重要，最高可带来21.65%的准确率提升。这些结果表明相位信息的效用并非数据固有特性，而关键取决于模型架构：混合模型依赖经典组件补偿缺失的相位信息，而纯量子模型需要相位信息构建判别性表征。该发现为QML中复数值数据编码提供了实用设计准则，并强调了后NISQ时代编码-架构协同设计的重要性。