量子科技中心_量科网

量子机器学习（QML）是一种旨在利用量子力学资源解决学习问题的计算范式。该框架的目标是通过量子处理器，在优化、监督学习、无监督学习、强化学习以及生成建模等任务上，实现比经典模型更高效的解决方案。本文对QML进行了高层次概述，重点关注量子设备作为主要学习或数据生成单元的场景。研究团队梳理了该领域在实用性与理论保证、访问模型与加速效果、经典基准与宣称的量子优势之间的张力，并标注了证据充分、条件性支持或尚存不足的领域，以及待解决的开放性问题。通过阐明这些细微差别和争议，该工作旨在为读者提供一份友好的QML全景图，使其能够判断在何种条件下——以及基于哪些假设——量子方法可能带来真正的优势。