arXiv cs.AI· Azadeh Alavi, Fatemeh Kouchmeshki, Hossein Akhoundi, Yongli Re, Abdolrahman Alavi, Muhammad Usman·· 2 天前AI 评分20
量子视角何时有用？多视图融合中的经典-量子互补表示
When do quantum views help? Complementary classical-quantum representations in multi-view fusion
AI 导读
研究提出经典-量子多视图融合框架，在保留完整经典输入的同时加入模拟量子特征，通过拼接和注意力机制组合两个视图。受控实验表明，当经典与量子表示捕捉到互补的预测关系时，融合能提升预测性能；在 Wine、Wisconsin Diagnostic Breast Cancer、三分类 Fashion-MNIST 和 Steel Plates Faults 上，平均预测性能优于经典基线。
正文 · AI 翻译
摘要：近期研究报道了量子机器学习在药物发现、医疗健康、材料科学和网络安全领域取得的可喜成果。研究包括与经典机器学习算法的比较以及顺序混合流水线的开发。我们提出，当经典表示与量子表示捕捉到互补的预测关系时，融合可以改善预测。我们的经典-量子多视图框架在模拟量子特征的同时保留了完整的经典输入。拼接和注意力机制将各视图结合起来；单视图比较、替换和掩码对照评估两个视图的贡献。受控角度-多项式实验区分了可由单一视图充分表示的目标与依赖互补角度和多项式关系的目标。对于这些混合目标，融合通过组合相关特征集改善预测，而匹配的经典表示也能获得相同的收益，从而将改进与其互补的预测内容联系起来。受控分类测试进一步表明，收益取决于所选表示与目标之间的对齐，以及合适的融合规则。基准验证表明，在评估协议内，该方法在 Wine、Wisconsin Diagnostic Breast Cancer、三分类 Fashion-MNIST 和 Steel Plates Faults 上的平均预测性能优于经典基线。经典替换和掩码对照仍具竞争力，经典基线在 Digits 和 Covertype 上领先，而视图缺失或损坏时的结果取决于可用的输入。这些发现支持评估量子表示的互补预测贡献，并使表示和融合策略与目标关系相匹配。
| 评论： | 35 页，4 幅图 |
| 主题： | 量子物理（quant-ph）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.21395 [quant-ph] |
| （或 arXiv:2610.21395v1 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21395 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Azadeh Alavi [查看电子邮件]
[v1]
2026年10月15日星期四 07:15:23 UTC（166 KB）
来源：arXiv cs.AI · arxiv.org