量子内核在量子机器学习中有用，但经典模型难以超越。研究提出了一种新方法SQS，初步结果显示在金融领域具有潜在优势。

该研究通过选择核心集合来优化量子神经网络和量子内核的训练效率，并研究了其在不同任务中的潜力。数值模拟揭示了核心集合选择在合成数据分类、量子相关性识别和量子编译等任务中的有效性，提供了改进量子机器学习模型和减少训练成本的方法。