QSVM与VQC用于希格斯事例分类的可扩展性研究

Shiksha Bhardwaj 和 Ankhi Roy 在 arXiv 发布论文（arXiv:2610.14533v1），研究量子支持向量机（QSVM）和变分量子分类器（VQC）在希格斯玻色子信号-背景判别中的样本量可扩展性与表示敏感性。研究基于 ATLAS Higgs Machine Learning Challenge 的模拟事例，训练集为 250 到 4000 个事例的平衡子集，并用 PCA 和自编码器两种方式降维，以四个优化的经典分类器作基准。 结果显示，在较大训练样本量下 QSVM 表现强于 VQC，但仍低于表现最好的经典分类器。该结论基于论文摘要，限于该模拟数据集与上述样本规模范围。

AI 根据报道生成 · 1 天前更新