量子科技中心_量科网

在实际量子计算机上对现实世界数据进行振幅编码常常成为工作流程的瓶颈：直接振幅编码会随着输入规模的扩大而效率急剧下降，可能抵消后续处理中的所有加速优势。基于傅里叶变换的稀疏振幅编码通过仅保留主导系数的一小部分子集来降低成本，但其固定且非自适应的基会导致显著的信息损失。该研究团队在稀疏振幅编码流程中用自适应插值量子变换（AIQT）取代了傅里叶变换。AIQT能学习数据自适应基，将信息集中压缩至少量系数中。因此，在相同稀疏度条件下，相较于傅里叶基线方法，AIQT能保留更多信息并实现更低的重构误差。在金融时间序列数据上，AIQT将重构误差较傅里叶基线降低了40%；在图像数据集上，相同稀疏度下的误差降幅高达50%，而编码门成本几乎相同。最关键的是，该方法继承了傅里叶变换的高效特性：AIQT基于量子傅里叶变换电路结构构建，其门数量随量子比特数呈二次方增长，而经典评估可在拟线性时间内完成。此外，AIQT无需标注数据训练，也不依赖量子硬件或模拟器的采样操作，消除了数据驱动型振幅编码方法的主要瓶颈。