量子科技中心_量科网

量子退火通常被视为组合优化的工具，但其相干动力学特性也为机器学习提供了潜在应用。该研究团队提出了一种将经典数据编码为伊辛哈密顿量的模型，通过量子退火器演化后，利用所得概率分布作为分类的特征映射。基于Digits数据集在量子退火机上的实验及MNIST数据集的模拟表明：较短退火时间可获得更高分类精度，而较长退火时间虽降低精度却减少了采样成本。该工作引入参与比作为有效模型规模的度量指标，并揭示其与泛化性能的强相关性。