量子科技中心_量科网

该研究探讨了量子卷积神经网络（QCNN）和混合量子卷积神经网络（HQNN）架构中参数化量子电路（PQCs）的设计选择，并将其应用于EuroSAT数据集的卫星图像分类任务。研究人员系统性地评估了约500种不同模型配置中数据编码技术、可变分ansatz结构以及测量方案对性能的影响。 分析表明，不同因素对模型性能的影响存在明显层级关系。对于混合架构（与其直接对应的经典等效架构进行对比，即去除PQCs的相同架构），数据编码策略是主导因素——不同嵌入方式的验证准确率差异超过30%。相比之下，可变分ansatz结构和测量基的选择影响相对有限，验证准确率波动始终低于5%。 在纯量子模型中（仅限于振幅编码），性能最依赖于测量协议和数据-振幅映射关系。测量策略会导致验证准确率产生高达30%的差异，而编码映射方式的影响约为8个百分点。