量子科技中心_量科网

最小准确度启发式方法无需完整的量子支持向量机（QSVM）训练即可评估量子特征映射。然而，其原始形式计算成本高昂、仅适用于平衡数据集且缺乏理论支撑。该研究将这一指标推广至任意二元数据集，并严格证明其构成同一特征空间中任何线性分类器最优经验准确度的认证下界。此外，研究人员引入蒙特卡洛策略，通过随机选取泡利方向子集高效估计该下界，同时提供严格的概率保证。这些成果使最小准确度成为具备可扩展性、理论完备性的工具，可用于在近期量子设备上预筛选特征映射。