量子科技中心_量科网

量子核方法被提出作为一种利用近期量子计算机进行监督学习的有前景途径，然而针对强大经典基线的严格基准测试仍然稀缺。本研究对量子核支持向量机（QSVMs）进行了九组二元分类数据集、四种量子特征映射、三种经典核函数及多重噪声模型的全面实证分析，总计完成970项采用严格嵌套交叉验证的实验。 该团队的分析涵盖四个阶段：（i）统计显著性检验显示，29组量子-经典方法对比中无一达到α=0.05显著性水平；（ii）六种训练比例下的学习曲线分析表明，在八分之六数据集上量子方法斜率更陡峭，但仍未能超越最佳经典基线；（iii）IBM ibm_fez（Heron r2）硬件验证实验证实，六组实验的核保真度r≥0.976；（iv）随机种子敏感性分析验证了结果可复现性（平均变异系数1.4%）。 克鲁斯卡尔-沃利斯因子分析表明数据集选择主导性能变异（ε²=0.73），而核类型仅贡献9%方差。谱分析给出机制性解释：当前量子特征映射产生的特征谱要么过于平坦，要么过度集中，未能达到最佳经典核函数——径向基函数（RBF）的中间特征谱形态。通过核目标对齐进行的量子核训练（QKT）在乳腺癌数据集上取得唯一竞争性结果（平衡准确率0.968），但伴随约2000倍计算开销。 该工作的研究结果为量子核研究提供了可操作指南。完整基准测试套件已公开以供复现和扩展研究。