量子科技中心_量科网

量子机器学习模型专为执行学习任务而设计。已有研究提出若干量子分类器模型，通过保真度测量实现输入数据的类别划分。量子Hadamard测试作为计算此类保真度的经典量子算法，其基本实施条件要求输入空间需映射至L2归一化向量空间，因此所得保真度对应于映射输入空间中的余弦相似度。该研究团队提出具备有界输入空间内积计算功能的增强型量子Hadamard测试——广义量子Hadamard测试，该算法不仅支持输入空间的L2归一化，还可兼容Min-max归一化等标准化方法。这种能力提升源自量子特征映射与映射量子态酉演化的不同实现方式。研究人员详细阐述了该算法的量子电路实现方案，并通过数值模拟验证电路设计。该电路架构在计算复杂度方面表现高效。为展示算法实用性，该工作将其与两种经典机器学习模型（逻辑回归二元分类器与基于质心的二元分类器）集成，在两个公开基准数据集和两个人工数据集上成功解决了四个分类问题。