量子科技中心_量科网

混合变分量子算法在解决组合优化、量子化学模拟、量子机器学习以及噪声量子计算机上的量子纠错等实际问题方面前景广阔。然而，现有的变分量子算法（源自随机化硬件高效拟设或自适应拟设）往往成为"黑箱"，既缺乏模型可解释性，更难以支撑关键决策的应用部署。本文首创性地构建了一种可解释量子回归算法：其量子态精确编码经典数据表，变分参数直接对应回归系数（构造上即为实数），兼具高度模型可解释性与因表达精准而实现的最小优化成本。该团队同时利用编码数据结构特性降低了回归映射计算的量子门复杂度。针对非线性回归的电路深度优化，该算法可通过经典预处理（如独立编码列向量）直接构建非线性特征进行扩展。该模型性能由同步于回归模型均方误差(MSE)的代价函数测量结果决定。该团队推导了独热编码与紧凑编码引发的读出误差；紧凑编码方案所需的物理量子比特资源呈指数级压缩，更适配噪声量子设备。在误差预算ϵ和置信容限α条件下，该团队还给出了代价函数相关的样本复杂度𝒪(σ²(𝒞)ln(1/α)/ϵ²)。