Single-qubit graph classifier with classical feature aggregation

Shaochun Li

doi:10.1016/j.neunet.2026.108775

Single-qubit graph classifier with classical feature aggregation

2026-02-26

0

PRE

AI

DOI：10.1016/j.neunet.2026.108775

原文链接

摘要

En 中文

本文提出了一种结合经典图表示与量子计算的单一量子比特图分类器。通过轻量级架构，它实现了灵活高效的图数据处理。该模型将无需推理的节点特征聚合任务委托给经典子程序，并利用量子程序优化关键权重训练过程，从而构建了一个仅使用一个量子比特的基础图分类器。实验结果表明，在二元分类任务中，所提出的单一量子比特分类器在与传统算法和量子算法的比较中，在性能方面展现出强大的竞争力。此外，我们采用了一种并行训练方案用于多个单一量子比特分类器，以有效提升多分类任务中的性能。在不同量子噪声模拟环境下的评估表明，所提出的模型具有良好的鲁棒性，而多分类器的并行训练方案进一步增强了模型在多分类任务中的鲁棒性。更重要的是，该模型能够灵活地与各种经典图神经网络结合，为促进量子图神经网络在多样化场景中的应用提供了途径。

Keyword:

single-qubit

graph classifier

classical feature aggregation

quantum computing

graph neural networks

Single-qubit graph classifier with classical feature aggregation

摘要

期刊

机构

引用论文