量子科技中心_量科网

光子因其在室温下具有高度鲁棒性和长相干时间，成为量子信息技术的理想载体。受光子计算技术蓬勃发展的启发，近期研究开始关注在光子平台上实现量子机器学习。尽管光子拥有适合计算的高维量子特征空间，但如何利用该空间进行学习任务仍缺乏系统性认知。该研究团队通过多光子态在量子机器学习中实现了可扩展的优势，并完成了理论验证与实验论证。首先，研究人员证明线性光学电路的学习能力随光子数呈多项式增长，这使得模型能从较小训练集中实现泛化，并获得更低的测试损失值。进一步地，该工作通过可编程光子集成平台在线训练，在酉学习和度量学习任务中实验验证了上述理论发现。这项研究凸显了光子量子机器学习的潜力，为实际机器学习应用中实现量子增强开辟了新路径。