量子科技中心_量科网

投影量子特征映射提供了一种利用量子处理器作为经典机器学习模型特征生成器的策略。基于反绝热伊辛玻璃和一维海森堡PQFM，该团队引入了一种广义的双量子比特哈密顿量PQFM，通过局域泡利场和成对的双量子比特泡利相互作用，提供了一种编码经典特征的统一方法。这种构造允许将不同的经典变量嵌入到同一量子比特的不同泡利轴上，在保持与硬件约束兼容的同时，增加了浅电路的信息密度。研究人员在pqfmlib（一个公开可用的Python库，用于构建、执行和基准测试基于哈密顿量的PQFM）中开发并实现了这些方法。随后，该研究在一个嵌套交叉验证协议下，通过配对统计检验，在四个生物医学分类数据集上，将广义哈密顿量PQFM与参考PQFM进行了基准测试。量子特征通过使用多达156个量子比特的IBM量子处理器和态矢量模拟生成。结果表明，尽管所有方法的性能都取决于数据集、编码策略、测量可观测量和硬件条件，但广义双量子比特哈密顿量家族在与匹配的经典基线相比时，提供了最一致的统计支持增益模式。这些发现支持广义哈密顿量PQFM作为实现近期量子实用性的有前景的途径。