量子科技中心_量科网

我们将适当的评分规则推广到量子领域，用密度算子取代概率分布。通过算子凸生成器定义量子值泛函，并建立完整的对偶理论，从而得到适当的量子评分规则。我们推导出在麦卡锡型激励下量子态层析成像的极小极大最优边界，证明了量子克拉美-罗-麦卡锡界，该界明确地将极小极大风险与生成函数的曲率及量子Fisher信息联系起来。我们量化了量子资源（相干性、纠缠、自适应性）在预测任务中的经济价值，建立了经典与量子估计策略之间的尺度分离。我们的研究结果可指导量子传感器、激励相容的量子数据市场以及鲁棒量子机器学习协议的设计。