量子科技中心_量科网

变分量子学习传统上局限于幺正动力学，通常将量子信道视为有害噪声。在该工作中，该团队将量子信道重新定义为可训练的原始计算单元，并建立了一个基于开放系统动力学的非幺正量子机器学习框架。该研究证明，信道增强型量子模型的输出形成了多个功能组件的结构化叠加。每个组件受一个有效可观测量控制，其谱可在训练过程中自适应调节，这与幺正变换中的谱不变性有显著区别。此外，所提出的框架通过将传统幺正量子模型保留为特例，同时引入额外的非幺正自由度，从而对其进行泛化。进一步地，该研究揭示可训练量子信道通过Kraus算子诱导的系综平均梯度和额外优化方向，丰富了优化几何结构。在分类任务上使用可训练振幅阻尼和相位阻尼信道进行的实证评估，证实了优化动态和预测性能的提升。该工作为将量子信道作为可训练资源提供了原则性方法，并推进了高性能量子学习架构的设计。