量智信息中心_量科网

该论文研究了谱几何如何在量子学习模型中涌现，以及如何利用物理上可实现的探针对其进行诊断。在采用图正则化的量子网络中，训练过程会重新组织输出相似性图，使有效谱维数增加ΔS = +0.23，并重塑拉普拉斯谱。边缘分辨的双玻色子干涉现象可直接探测这种结构重组：玻色子增强ΔP_uv与费德勒边缘分裂|Δv_2|相关（r = -0.50），从而将学习到的谱划分与干涉特征联系起来。一幅相图显示，模型性能与耦合强度γ和噪声δ呈非单调依赖关系，图正则化仅在有限参数区间内能提升保真度；硬件实验在散粒噪声不确定范围内证实了预期的干涉行为。该研究还分析了一个混合量子自编码器，并引入布洛赫空间漂移作为其潜在表示的几何诊断工具。通过无监督的良性数据阈值，该模型实现了高排名性能（ROC-AUC约0.99）和可忽略的假阴性率。绝对布洛赫漂移能强效区分异常（ROC-AUC至少约0.9），而连续漂移则接近随机（ROC-AUC约0.5），这表明检测源于状态空间中的持续性位移，而非局部波动。通过约化单量子比特态的几何结构及其关联的量子Fisher信息，这些结果表明学习诱导的谱组织表现为可测量的量子态结构，从而为一个利用玻色子和布洛赫探针诊断量子学习系统的统一谱几何框架奠定了基础。