量子科技中心_量科网

量子支持向量机（QSVM）是量子机器学习中最具前景的框架之一，但其性能取决于特征映射的设计。传统方法依赖固定量子电路，往往难以跨数据集泛化。为解决这一局限，该研究团队提出GA-QSVM——一种结合遗传算法（GA）自动优化特征映射的混合框架。该方法引入可配置框架灵活定义进化参数，从而构建自适应电路。通过对Digits、Fashion、Wine和Breast Cancer等数据集的实验评估表明，GA-QSVM的准确率与传统SVM及标准QSVM相当。此外，迁移学习结果显示GA-QSVM的电路能有效实现跨数据集泛化。这些发现凸显了进化策略在未来量子机器学习应用中自动化优化核设计的潜力。