arXiv · quant-ph· Hyojun Ahn, Joongheon Kim·· 6 小时前
数据重上传量子振幅嵌入教程：分析可表达阶数与性能增益
A Tutorial on Quantum Amplitude Embedding with Data Re-Uploading
arXiv:2610.17836v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hyojun Ahn, Joongheon Kim
研究任务与主要进展
该教程分析量子振幅嵌入模型中数据重上传带来的增益：在统一表述下，每次上传使可达多项式阶数提高两阶。基于论文摘要，在一种可训练电路族和固定可训练参数预算下，模拟结果显示四阶和六阶目标的测试R²分别由0.689提升至0.883–0.975、由0.337提升至0.642–0.783，且十个随机种子均如此；但在二次目标和手写数字任务中，一次上传仍最佳，更多上传会降低分类器可容忍的门误差。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org