量子科技中心_量科网

该工作研究了基于变分量子分类器（VQCs）的多光谱卫星影像土地覆盖分类问题，从特征映射视角出发，将量子电路定义为非线性数据嵌入，而读出机制则决定了这种表示如何被利用。基于EuroSAT-MS数据集，该团队在受控实验协议下对所有类别对进行了系统的一对一评估，将经典基线方法（逻辑回归、支持向量机、神经网络）与采用线性读出和量子核支持向量机策略的VQCs进行了对比。结果表明，尽管采用线性读出的VQCs并未优于RBF-SVM等强经典基线方法，但相同训练后的量子特征映射在基于核的决策框架中复用时可显著提升性能。对量子比特数量的扫描分析进一步揭示了饱和效应，这与指数级增长的希尔伯特空间维度与线性参数缩放之间的不匹配现象一致。总体而言，该工作的发现强调：量子模型的有效性关键取决于表示与读出之间的相互作用，而真正有意义的性能提升可能源于将训练好的量子特征映射与经典决策机制相结合，而非直接替代经典模型。