Interactive Quantum Classifiers

量子机器学习：傅里叶分析助力新型分类器设计

研究人员通过将傅里叶分析应用于参数，开发了一个理解和设计交互式量子分类器（IQCs）的新框架。这种方法揭示了哈密顿量参数如何影响分类器的输出，从而清晰地解释了诱导的特征映射。该研究引入了广义哈密顿量编码，包括矩阵参数化的环境哈密顿量，这允许依赖于输入特征的不可分离傅里叶结构。数值实验表明，这些提出的模型可以提高在非线性基准上的分类性能，其中矩阵编码取得了强大的总体结果，而一个更简单的四参数扩展通过更少的训练参数提供了可比的性能。