arXiv · quant-ph· Jiang Yuhan, Matthew Otten·· 6 小时前
变分量子核框架用于复杂分类：提出资源高效 ansatz 与参数缩放方法
A Versatile Variational Quantum Kernel Framework for Non-Trivial Classification
arXiv:2511.10831v3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：Jiang Yuhan, Matthew Otten
研究任务与主要进展
Jiang Yuhan 与 Matthew Otten 提出面向复杂分类任务的变分量子核算法框架，结合资源高效 ansatz 和用于加速收敛的参数缩放技术。该框架在覆盖表格、图像、时间序列和图数据的八个高维真实数据集上进行经典模拟基准测试，分类准确率与RBF等标准经典核相比具有竞争力；论文摘要称量子方法的实际性能仍需进一步研究。
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