arXiv cs.AI· Dominik Freinberger, Philipp Moser·· 11 小时前AI 评分24
量子在混合量子-经典神经网络中扮演什么角色：一项实证评估
The Role of Quantum in Hybrid Quantum-Classical Neural Networks: An Empirical Assessment
AI 导读
一项在无噪声理想模拟下的统计研究评估了常用混合量子-经典神经网络（HQNN）架构在三个二分类医学任务上的表现，发现最佳情况下混合模型性能仅与经典模型相当，多数情况下用量子组件替换匹配的经典处理层后性能指标反而下降。研究还考察了编码方案、纠缠和电路规模等经典与量子因素的影响，作者据此呼吁对近期应用中的混合模型保持谨慎的性能声明与设计选择。
正文 · AI 翻译
摘要：量子机器学习已成为近期量子硬件的一个有前景的应用领域，尤其是通过同时利用经典与量子处理的混合量子-经典模型。尽管已有大量混合架构被提出并在基准任务上成功演示，但关于量子组件对这些模型整体性能的具体贡献，仍存在一个重要的未解问题。在本工作中，我们通过在理想、无噪声模拟下进行严格的统计研究，旨在阐明混合量子-经典神经网络架构中量子处理的影响。我们系统地评估了一组常用的 HQNN 架构，在涵盖医学信号数据以及平面和体图像的三项二分类医学分类任务上的表现。在此过程中，我们考察了可归因于经典与量子方面的影响，例如编码方案、纠缠和电路规模。在此实验设置下，我们发现，在最佳情形下，混合模型表现出与经典对应模型相当的性能。然而，在大多数情况下，当所研究的 QNN 组件替换匹配的经典处理层时，性能指标会下降。我们的多模态分析为所测试的量子组件的贡献提供了经验性见解，并主张在近期应用中对混合模型采取谨慎的论断和设计选择。
| 评论： | 16 页，6 幅图。已被 QUANTICS 2026 接收；将发表于 Springer CCIS。v2：定稿版本，论断和范围收窄，局限性部分扩充；标题由“The Role of Quantum in Hybrid Quantum-Classical Neural Networks: A Realistic Assessment”更改而来 |
| 主题： | 量子物理（quant-ph）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2601.04732 [quant-ph] |
| （或 arXiv:2601.04732v2 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.04732 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Dominik Freinberger [查看电子邮件]
[v1]
2026 年 1 月 8 日星期四 08:54:44 UTC（480 KB）
[v2]
2026 年 10 月 23 日星期五 14:47:51 UTC（466 KB）
来源：arXiv cs.AI · arxiv.org