面向 NISQ 硬件的雷达微动 Doppler 分类量子核方法实用评估
量子物理
2026-02-02 v1 人工智能
摘要
本文考察了基于微动 Doppler 信号的量子支持向量机 (QSVM) 用于雷达空中目标分类的应用。通过主成分分析 (PCA) 提取并降维经典特征，以实现高效的量子编码。将降维后的特征向量嵌入基于全纠缠 ZZFeatureMap 诱导的量子核特征空间中，并使用基于核的 QSVM 进行分类。首先在量子模拟器上评估性能，随后在 NISQ 代时代的超导量子硬件——specifically 指 IBM Torino (133 量子比特) 和 IBM Fez (156 量子比特) 处理器上进行验证。实验结果表明，QSVM 在显著降低特征维度的同时，实现了相对经典 SVM 基线的有竞争力的分类性能。硬件实验揭示了噪声和退相干以及测量 shot 数对量子核估计的影响，并进一步显示在新一代 Heron r2 架构上表现出更好的稳定性和保真度。这项研究提供了模拟器基准和硬件基准 QSVM 实现之间的系统性比较，凸显了在实际雷达信号分类任务中部署量子核方法的可行性及其当前局限性。
引用
@article{arxiv.2601.22194,
title = {Practical Evaluation of Quantum Kernel Methods for Radar Micro-Doppler Classification on Noisy Intermediate-Scale Quantum (NISQ) Hardware},
author = {Vikas Agnihotri and Jasleen Kaur and Sarvagya Kaushik},
journal= {arXiv preprint arXiv:2601.22194},
year = {2026}
}