该文综述量子机器学习进展，涵盖等变量子卷积网络提升图像分类泛化、EQGC用于图数据学习并具通用逼近性、量子方法在监督学习中的计算优势、QPMeL改善多类分离、量子电路学习表征量子设备并制备GHZ态与热态及提出qBAS指标、低深度量子算法参数少且分类性能好，以及数据嵌入对等变量子网络的影响。

该文综述量子电路学习：用低深度量子-经典混合算法训练浅层电路，实现GHZ态制备、热态近似与监督分类，参数少且性能好；讨论量子态与幺正算子学习的复杂度，指出采样与门复杂度线性相关、计算复杂度或指数增长，限制模型表达能力；提出稳定子维度学习与质检算法，并分析Born机可学习性及变分量子电路在强化学习中的应用。