量子科技中心_量科网

量子机器学习（QML）有望通过利用量子系统的指数级庞大状态空间，为高效处理高维数据提供新机遇。该研究团队将量子极限储层计算（QERC）应用于自洽场理论（SCFT）生成的聚合物合金微观结构图像分类。此前量子机器学习研究主要集中于MNIST等基准数据集，而该工作证明了QERC在具有直接材料关联性的工程数据中的适用性。通过数值实验，研究人员考察了关键计算参数——包括量子比特数量、采样成本（测量次数）以及储层配置——对分类性能的影响。最终相分类结果以相图形式呈现，展示了聚合物形态的相变过程，在量子模型输出与材料行为之间建立了可理解的关联。这些成果既展现了QERC在真实材料数据集上的性能，也为量子编码器设计和模型泛化提供了实用指南。该工作为将量子学习技术融入材料信息学奠定了基础。