Metal-Insulator Transition Classification Using Hybrid Quantum Learning Under Data Scarcity
Diese Studie zeigt, dass hybride Quantenklassifikatoren zwar als wettbewerbsfähige, kompakte Ausleseverfahren für die Klassifizierung seltener Metall-Isolator-Übergangsmaterialien dienen können, sie jedoch derzeit keinen deutlichen Leistungsvorteil gegenüber gut kontrollierten klassischen Modellen bieten, wenn eine strenge Validierung, Kalibrierung und Architekturwahl angewandt wird.