量子科技中心_量科网

将量子机器学习中的性能提升归因于真正的量子资源而非经典架构扩展，仍是一个悬而未决的方法论难题。该研究团队通过引入反事实因果中介框架应对这一挑战，该框架将不同架构间的性能差异分解为两类效应：由电路参数化和表达能力驱动的直接效应，以及由量子信息论观测指标（纠缠熵、纯度、线性熵和量子互信息）中介的间接效应。应用该框架分析五种电路拓扑结构和三个基准数据集（涵盖43个已验证配置）发现：架构直接贡献系统性超越量子中介效应（均值比13.1:1），量子中介的平均贡献率仅为0.82%。这些结果表明，当前变分量子电路的运行状态远低于其量子潜力上限，而基于原理的资源感知电路设计是实现可观测量子中介性能提升的有效路径。