量子科技中心_量科网

近期变分分类器因双量子比特门而产生显著的误差和延迟，然而从业者通常认为增加纠缠深度是提升精度的默认途径。本研究探讨了最优量子测量解码（OQMD）：通过在测量前训练一个与变分电路联合的读出层来优化量子结果到经典标签的映射，且不增加CNOT门。实验采用可训练的三重单量子比特旋转作为OQMD的一种具体硬件原生实现；其他单量子比特参数化方案也可适配相同的经典外循环。在采用30点分层测试集划分的Iris基准测试中，在统一协议下，最佳观测到的0-CNOT配置结合OQMD达到了83.33%的精度，9个CNOT时达到96%，超过了最佳18-CNOT对照组（56.67%）和最佳18-CNOT结合OQMD的配置（66.67%）。一个从0到18的六点CNOT深度序列（固定优化器、迭代预算、随机种子计数和ZXZ读出）表明，最高原始得分未必出现在最大模板处，因此总复杂度不能仅由CNOT数量概括。由于运行级精度是离散且非高斯的，该研究强调最佳观测得分，并在需要对合并运行进行全局比较时使用Mann-Whitney U检验而非参数均值检验。跨架构而言，OQMD显示出统计上一致但幅度依赖的增益：最小电路上的大幅峰值提升与复杂18-CNOT运行上的小幅合并均值偏移（\(p \approx 0.03\)）并存，后者在“普遍大实用效果”的意义上并非普遍适用。