寻找量子优势：估计量子核方法中的运行次数

量子机器学习（QML）通过量子核机器等方法引起了广泛关注。尽管这些方法前景可观，但其量子特性带来了固有的挑战。一个主要挑战是，由于在量子设备上执行的电路运行次数有限，导致估计的核值分辨率受限。在本研究中，我们提出了一套全面的规则和启发式方法，用于估计量子核方法所需的电路运行次数。我们引入了两种需要通过额外电路运行来提高测量精度的关键效应：扩散效应和集中效应。我们在保真度量子核和投影量子核的背景下分析了这些效应。为了解决这些现象，我们开发了一种估计所需核值精度的方法，进而将其转化为电路运行次数。我们的方法通过广泛的数值模拟得到验证，重点关注指数值集中问题。我们强调，量子核方法不仅应从机器学习性能的角度考虑，还应从资源消耗的角度考虑。这些结果为量子核方法的可能优势提供了见解，为其在量子机器学习任务中的应用提供了指导。