Metal-Insulator Transition Classification Using Hybrid Quantum Learning Under Data Scarcity
Este estudo demonstra que, embora os classificadores quânticos híbridos possam servir como leituras compactas competitivas para classificar materiais escassos de transição metal-isolante, eles não oferecem atualmente uma vantagem de desempenho distinta sobre modelos clássicos bem controlados quando validação, calibração e seleção de arquitetura rigorosas são aplicadas.