量子科技中心_量科网

该研究提出了一种完全量化的支持向量机（SVM）学习方案，通过将基于量子门的核方法与基于量子退火的优化技术相结合。研究人员探索了采用不同特征映射和量子比特配置构建量子核函数的方法，并通过核-目标对齐（KTA）指标评估其适用性。该工作将SVM对偶问题重构为二次无约束二值优化（QUBO）问题，使其可通过量子退火器求解。实验结果表明，当核函数具有高度对齐性且正则化参数适当时，模型能取得具有竞争力的性能，最佳模型的F1分数达到90%。这些发现印证了端到端量子学习流程的可行性，并展现了混合量子架构在量子高性能计算（QHPC）领域的应用潜力。