量子科技中心_量科网

该论文研究了量子支持向量机（QSVM）在基于雷达的空中目标微多普勒特征分类中的应用。研究团队通过主成分分析（PCA）提取并降维经典特征以实现高效量子编码，随后利用全纠缠ZZFeatureMap将降维后的特征向量嵌入量子核诱导特征空间，并采用基于核函数的QSVM进行分类。研究首先在量子模拟器上评估性能，随后在NISQ时代的超导量子硬件（具体为IBM Torino 133量子比特处理器和IBM Fez 156量子比特处理器）上进行验证。实验结果表明，在显著降低特征维度的条件下，QSVM仍能获得与传统SVM基线相当的分类性能。硬件实验揭示了噪声、退相干效应及测量次数对量子核估计的影响，并证明新型Heron r2架构具有更好的稳定性和保真度。该工作系统比较了基于模拟器与基于硬件的QSVM实现方案，同时指出了量子核方法在实际雷达信号分类任务中应用的可行性及当前局限性。