量子科技中心_量科网

数据编码在量子机器学习（QML）中扮演着基础且独特的角色。虽然经典方法直接将数据作为向量处理，但QML可能需要通过编码电路将经典数据转换为量子态，这些电路被称为量子特征映射或量子嵌入。这一步骤利用了希尔伯特空间固有的高维和非线性特性，使得在复杂特征空间中的数据分离更加高效，而这些特征空间可能是经典方法无法触及的。编码部分显著影响QML模型的性能，因此为待编码的数据集选择合适的编码方法至关重要。然而，这一选择通常是任意的，因为目前没有“通用”规则可以根据特定数据集来确定应选择哪种编码方法。目前存在多种使用不同量子逻辑门的编码方法。该研究团队研究了最常用的编码方法类型，并使用不同的数据集对它们进行了基准测试。