English(EN) Magnitude Is All You Need? Rethinking Phase in Quantum Encoding of Complex SAR Data

量子机器学习研究发现，在混合模型中，仅幅度编码优于相位编码

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

一篇新研究论文探讨了在量子机器学习模型中对复数值合成孔径雷达（SAR）数据进行编码。研究发现，在混合量子-经典模型中，仅幅度编码的性能出人意料地优于包含相位的编码方法，在基准数据集上达到了高精度。然而，在纯量子模型中，相位信息对于区分至关重要，显著提高了性能。 AI

影响为在量子机器学习中编码复数值数据提供了实用指导，影响了未来的QML架构设计。

排序理由学术论文，详细介绍了在SAR数据分析的量子机器学习方面的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Sakthi Prabhu Gunasekar, Prasanna Kumar Rangarajan · 2026-05-05 04:00

Magnitude Is All You Need? Rethinking Phase in Quantum Encoding of Complex SAR Data

arXiv:2604.14229v2 Announce Type: replace-cross Abstract: Synthetic Aperture Radar (SAR) data is inherently complex-valued, while quantum machine learning (QML) models operate in complex Hilbert spaces. This similarity suggests that using both the magnitude and phase of SAR data …