arXiv · quant-ph· Shiksha Bhardwaj, Ankhi Roy·· 1 天前
希格斯玻色子事例分类中量子机器学习模型的样本量可扩展性与表示敏感性分析
Sample-Size Scalability and Representation Sensitivity of Quantum Machine Learning Models for Higgs Boson Event Classification
arXiv:2610.14533v1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：Shiksha Bhardwaj, Ankhi Roy
研究任务与主要进展
一项基于 ATLAS Higgs Machine Learning Challenge 模拟事例的研究，考察了量子支持向量机（QSVM）和变分量子分类器（VQC）在希格斯玻色子信号-背景判别中的表现，训练样本量在 250 到 4000 个事例之间，并用 PCA 和自编码器两种表示降低输入维度，以四个优化的经典分类器作为基准。
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