First-Principles Optical Descriptors and Hybrid Classical-Quantum Classification of Er-Doped CaF
Diese Studie präsentiert ein physik-informiertes maschinelles Lernframework, das aus DFT- und LR-TDDFT-Berechnungen abgeleitete optische Deskriptoren aus den ersten Prinzipien nutzt, um erfolgreich zwischen reinem und Er-dotiertem CaF zu diskriminieren, wobei demonstriert wird, dass hybride Quanten-neuronale Netze eine hohe Klassifizierungsgenauigkeit erreichen können, die mit klassischen Baselines vergleichbar ist, trotz der Rauschbeschränkungen aktueller Quantenhardware.