量子科技中心_量科网

该研究团队提出了一种高效且数据驱动的编码方案，以提升变分量子分类器的性能。该编码专为图像等复杂数据集设计，通过生成在希尔伯特空间中按分类标签形成良好分离簇的输入态，从而辅助分类任务。编码电路采用受经典人脸识别算法启发的三元组损失函数进行训练，并通过编码密度矩阵间的平均迹距离来度量类别分离度。在MNIST和MedMNIST数据集上多项二分类任务的基准测试表明，相较于相同变分量子电路结构的幅度编码方案，该方案在显著降低电路深度的同时实现了分类性能的大幅提升。