.png){kind=icon}
.png){kind=icon}
返回
Resource-efficient variational quantum classifier
.png){kind=icon}
PRE
AI
DOI：10.1007/s42484-026-00439-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种基于汉明距离测量的无歧义量子分类器，并结合经典后处理。所提出的方法通过更有效地利用基态表达性来提高分类性能，同时显著减少电路评估次数。此外，该方法在抗噪声方面表现出增强的鲁棒性，这对于近期量子设备至关重要。我们在一个乳腺癌分类数据集上评估了所提出的方法。无歧义分类器实现了90%的平均准确率，相比基线提高了6.9个百分点，同时每预测所需的电路执行次数减少了八倍。在有噪声的情况下，改进降低到约3.1个百分点，执行成本也相应降低。我们用支持该方法实际性能的理论证据来佐证我们的实验结果。
Keyword:
Quantum machine learning
Variational quantum classifier
Binary classification
Variational circuit
Unambiguous quantum classifier
Resource-efficient