第 27 课 · QML II——量子核、混合网络与贫瘠高原 · 模块四:应用与前沿专题

优势的边界(一):难算的核不等于好用的核

  • 命题框一(分离结果,Liu 等 2021 Nature Physics):"不交核"问题——量子核把两类样本映到近乎正交的子空间(类内 $k \approx 1$、类间 $k \approx 0$,核矩阵近似块对角)→ 量子 SVM 多项式样本完美分类;标准密码假设下经典算法(即使把核当预言机采样)需指数样本——量子核第一个严格学习论加速
  • 命题框二(对称反例,同一框架):也存在量子核上的问题,经典(去量子化式)方法多项式可解,而任何用量子核的算法都要指数样本
  • 成本演算($M = 100$、$\epsilon = 0.01$,逐行):
    1. 核值对数:$M(M+1)/2 = 5050$
    2. 每对采样:$1/\epsilon^2 = 1/(0.01)^2 = 10^4$ 次电路运行
    3. 量子侧总计:$5050 \times 10^4 \approx 5 \times 10^7$ 次求值;经典侧 SVM 求解 $O(M^3) = 10^6$
    4. 对照:高斯核每次评估 $O(1)$
  • 结果框:审稿口径——"核难经典计算"本身不构成优势证据;没有"任务结构 ↔ 核结构"论证的核加速主张默认存疑;合理生态位 = 量子原生数据、任务结构与多体纠缠特征对齐
类型definition-derivation(定理 + 成本演算)