用于奇偶结构分类的量子核方法:一种混合流水线
奇偶(XOR)分类需要检测离散的高阶特征交互,而平滑的经典核无法有效捕捉这种交互。该团队研究了量子核优势如何依赖于奇偶复杂度——即进入XOR规则的特征数量——并发现了清晰的阈值行为。该团队将ZZ量子特征映射与二进制{0,π}编码(特征在电路输入前进行中位数阈值处理)配对,以暴露奇偶结构。通过二进制编码消融实验——即基于相同{0,π}特征训练的RBF SVM——将编码效应与电路效应分离:在低复杂度下(n=5个特征),二进制RBF达到83.4%±1.7%,而量子核为81.2%±1.9%,表明在此情况下编码驱动了性能。在高复杂度下(n=11个特征,11个量子比特,r=3次ZZ重复),所有经典方法均降至接近随机水平(约50%),二进制RBF仅达到54.3%±1.1%,而量子ZZ核达到66.3%±3.2%(均值±标准差,10次随机种子)——相比二进制消融实验高出12.0个百分点,且核-目标对齐度高出约7倍(0.094±0.020对比0.013±0.001)。这些结果将奇偶复杂度确定为一条具体轴线,沿此轴线出现了无法仅归因于编码的真正量子核优势。

