量子科技中心_量科网

该团队通过实验研究了一种基于硅光子集成电路的单量子比特分类器，重点考察了其在光子受限条件下的性能表现。采用“数据重上传”方法并结合“序列最小优化算法”进行分层优化，将输入数据编码至光子电路后，通过输出检测概率完成分类任务。实验以硅波导中自发四波混频产生的预示单光子作为输入态，结果表明：当每个输入的平均光子样本数降至约2个时，只要训练数据集足够大，分类器仍能保持近90%的准确率。实验结果与数值模拟一致，仿真同时揭示通过扩大训练数据集可提升低样本量下的性能。这些发现证明了光子量子分类器能在极少量光子条件下有效运行，为集成光子平台上资源高效的量子机器学习提供了实践可行性支撑。