量子科技中心_量科网

量子概率为在希尔伯特空间中构造机器学习问题提供了一种新的框架。该团队提出了一种基于原型的学习方案，其中类别代表被编码为生成式矩阵乘积态。由于这些原型与量子编码的数据样本位于同一希尔伯特空间中，可以通过量子态的几何度量来执行分类和聚类等机器学习任务。该方法将原型学习从经典特征空间提升到量子希尔伯特空间。在Fashion-MNIST和真实世界心电图数据集上的基准测试表明，该方法优于经典原型方法，同时与标准黑箱神经网络保持竞争力。该团队还识别了由量子概率原型诱发的“吸引”效应，并引入了一种基于原型距离的降维方案。研究结果确立了量子态作为原型学习的可解释框架，为在量子希尔伯特空间中设计机器学习算法开辟了新方向。