量子科技中心_量科网

量子机器学习融合了量子计算与机器学习的优势，使模型能够用比经典模型更少的参数学习复杂特征。随着量子机器学习模型日益复杂，验证其实现是否符合设计规范且无漏洞和故障变得至关重要。变异测试是一种有效途径，通过有意向量子电路中注入故障，识别不符合设计规范或存在缺陷的量子电路。需要定义变异操作来向量子电路注入故障，以确保测试套件足够稳健，能够基于设计规范评估实现。本文扩展了变异测试在量子机器学习应用中的使用，主要针对量子神经网络模型。具体而言，该工作做出了两项重要贡献：与现有方法相比，该团队定义了新的变异操作以实现高效故障注入；同时提出了一种定向变异生成技术，以减少冗余的变异电路。大量实验评估表明，该团队的方法能生成更多样化、更具代表性的变异体，有效处理传统技术无法暴露的故障。