量子科技中心_量科网

该研究中，团队探究了一种仅用两个CNOT门设计的简易量子预处理滤波核在图像特征提取中的应用。研究人员评估了此类滤波器与传统神经网络结合进行图像分类时的效果，核心假设是该电路能提取经典滤波器无法获取的像素相关性信息。该方法类似于用量子层替代卷积神经网络中的卷积层，以捕捉空间像素纠缠效应。实验表明，仅含两个CNOT门的微型电路可设计出三种空间对称结构，每种结构对分类的影响各异。虽然该滤波器与浅层简单网络结合时能提升分类效果，但尚未超越复杂经典方法。值得注意的是，该滤波器在更精密架构中展现出增强分类性能的潜力。然而实证数据显示，根据冯诺依曼熵测量的量子纠缠程度与观察到的性能提升之间不存在明确关联，其作用机制仍有待进一步探究。