第8章 量子机器学习

量子机器学习：从 VQE/QAOA 两大变分范式，到数据编码与量子核方法——现代 QML 的"输入层"与"核视角"。

阅读路线：VQE → QAOA（两大经典变分算法）→ 数据编码（经典数据如何进量子态，一切 QML 的地基）→ 量子核（编码诱导的核与优势边界）→ 量子经典混合网络（架构层面）。建议与第 2 章贫瘠高原篇交叉阅读。

• VQE 详解：变分量子本征求解器与 UCC 拟设
• QAOA 算法详解：量子近似优化算法
• 量子数据编码详解：从角度编码到数据重上传
• 量子核方法详解：核技巧、指数集中与优势边界
• 量子经典混合神经网络详解：原理、架构与前沿

延伸阅读

• Schuld, Supervised quantum machine learning models are kernel methods：https://arxiv.org/abs/2101.11020

• Schuld–Sweke–Meyer, Effect of data encoding on the expressive power of variational quantum machine learning models：https://arxiv.org/abs/2008.08605

• PennyLane QML demos：https://pennylane.ai/demos

• 量桨机器学习教程（QGAN、核方法、分类器）：https://github.com/PaddlePaddle/Quantum/tree/master/tutorials/machine_learning