近年来，量子核方法在近期量子设备上展现出广阔的应用前景。然而，针对特定数据集选择合适的编码电路需要耗费大量资源评估多个候选方案，这本质上是一个元学习问题。本研究提出了一种自动化推荐系统，通过利用数据集固有特征来预测最优电路，无需进行任何量子评估。该团队评估了9种候选电路方案，采用24种经典复杂性指标作为特征，通过两种训练方法（含四种配置）和14种机器学习模型进行验证。两种方法在识别最佳编码电路时的Top-3准确率均达到85.7%，并证明经典数据复杂性指标能为电路选择提供充分的预测依据。
作者单位：
VIP可见
页数/图表：
登录可见
提交arXiv：
2026-04-21 04:37
