量子科技中心_量科网

在量子图像处理中，将经典图像数据编码到量子态是一个基础步骤。这可通过柔性量子图像表示（FRQI）、量子概率图像编码（QPIE）和新型增强量子表示（NEQR）等方法实现。然而，在真实量子硬件上，这些编码方式会迅速导致电路包含大量门、电路深度极大且量子比特使用率高，这对含噪中等规模量子（NISQ）设备构成了挑战。该工作探讨了通过施密特分解构建的低秩态近似能否降低这种复杂性。该方法仅保留量子态纠缠结构中最显著的部分，在提高态制备效率的同时保留大部分图像信息。研究人员将三种编码技术以其原始形式和低秩近似形式进行了比较，评估了电路深度、CNOT数量、均方误差（MSE）以及重建图像的视觉质量等指标。结果表明，精度与资源效率之间存在有意义的权衡，其中FRQI模型在保持近乎完美的重建效果（MSE约为0.27）的同时，电路深度减少了97%。这证明了低秩技术在推动近端硬件上实用量子图像处理方面的潜力。