量子振幅嵌入数据重上传教程

2026年10月15日，Hyojun Ahn与Joongheon Kim在arXiv人工智能板块发表量子振幅嵌入与数据重上传教程论文，解释数据重上传为振幅嵌入模型带来的增益：每次上传可将可达多项式阶数提高两阶。在同一可训练电路族与相同可训练参数预算下，仿真显示重上传在全部十个随机种子上把四阶目标的测试决定系数从0.689提升至0.883–0.975，六阶目标从0.337提升至0.642–0.783。论文同时指出，在二次目标与手写数字任务上，一次上传仍是最佳选择，且每次额外上传都会降低分类器可容忍的门误差。该教程旨在说明数据重上传对振幅嵌入模型增加了什么以及增益幅度。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。