Resource-Efficient Variational Quantum Classifier
Die vorgestellte Arbeit führt einen ressourceneffizienten, unmissverständlichen Quantenklassifikator ein, der durch Hamming-Abstandsmessungen und klassische Nachverarbeitung auf einem Brustkrebs-Datensatz eine um 6,9 Prozentpunkte höhere Genauigkeit bei gleichzeitig achtfach reduzierter Anzahl an Schaltkreisausführungen im Vergleich zum Basisverfahren erzielt und dabei robust gegenüber Rauschen ist.