量子科技中心_量科网

在近期的量子机器学习研究中，对抗鲁棒性和泛化性虽各自获得广泛关注，但二者的交互作用却鲜少被探讨。本章针对近期被提出作为监督学习中函数逼近器的变分量子模型，探讨这一交互关系。该研究团队通过利普希茨约束量化鲁棒性与泛化性的最新成果显示，这些特性明确取决于模型参数，从而催生出一种基于正则化的训练方法，用以构建兼具鲁棒性和泛化能力的量子模型，并凸显了可训练数据编码策略的重要性。该工作通过时间序列分析的应用案例，验证了理论成果的实际意义。