量子科技中心_量科网

量子计算和量子机器学习的强大之处在于利用独特的量子现象作为计算资源。尽管叠加、相干和纠缠一直是这一努力的核心，但粒子交换统计的作用在很大程度上仍未被探索。在此，该团队引入了一个量子核框架，将玻色子、费米子和任意子（分数）交换统计统一在单一学习范式内。该团队从三个角度研究了这类核函数。在表示层面，哈尔平均有效维度分析表明，分数交换相位能够访问纯对称或反对称极限无法触及的特征空间方向。在核几何层面，相应的格拉姆矩阵与可区分粒子基线相比表现出更大的分离度，并降低了标签依赖的模型复杂度。最后，在学习基准测试中，任意子核函数始终优于其玻色子和费米子对应物，具有更强的目标对齐性和更有利的类别几何结构。这些发现共同表明，交换统计重塑了量子特征空间的结构和几何，从而带来增强的学习性能。该工作将粒子交换统计确定为量子机器学习中一个被忽视的计算要素，并首次对跨交换相位的量子学习模型进行了系统性比较。