量子科技中心_量科网

该研究团队提出了一种“相关性-复杂度映射”作为诊断工具，用于判断现实世界数据分布何时在结构上与IQP型量子生成模型相匹配。该方法通过两个互补指标进行表征：(i) 量子相关性相似度指标(QCLI)——通过计算数据集按相互作用阶数聚合的关联阶(沃尔什-哈达玛/傅里叶)功率谱，并采用与独立同分布二项参考分布的Jensen-Shannon散度进行量化；(ii) 经典相关性复杂度指标(CCI)——定义为最优Chow-Liu树近似未能捕捉的总相关性占比，经总相关性归一化处理。 理论分析表明，对于采用MMD目标函数训练的固定架构IQP族，QCLI与支持失配机制相关——更高的QCLI意味着更小的不可约近似下限。应用该映射方法，研究人员发现经典湍流数据同时具备IQP兼容性和经典复杂性（高QCLI/高CCI）。基于此发现，该工作采用可逆浮点-比特串表示法和潜参数自适应方案，通过学习并插值低维潜轨迹，实现在时间序列上重复利用紧凑IQP电路。 与受限玻尔兹曼机(RBM)和深度卷积生成对抗网络(DCGAN)等经典模型的对比评估显示，IQP方法在使用更少训练快照和小型潜模块的条件下，实现了具有竞争力的分布对齐效果。这验证了QCLI/CCI作为定位IQP适配领域、推进量子生成效用的实用指标价值。