学习量子神经网络的测量方法

本研究解决了当前量子机器学习（QML）模型在设计高性能时面临的专家知识瓶颈，特别是在数据编码和量子电路参数化方面的挑战。我们提出了一种新颖的方法，使量子系统的可观察量（即厄米矩阵）可以被学习，并展示了该方法在提高变分量子电路分类准确性方面的有效性，从而显著提升QML模型的整体性能。