qutrit的Gell-Mann特征映射及其在分类任务中的应用

量子硬件的最新进展使得高维量子态的实现成为可能。本文研究了qutrit在量子机器学习中的潜力，利用其更大的状态空间来增强监督学习任务。为此，引入了Gell-Mann特征映射，将信息编码在8维希尔伯特空间中。研究聚焦于分类问题，将Gell-Mann特征映射与已建立的量子比特和经典模型生成的映射进行比较。我们测试了不同的电路架构，并探索了优化技术的可能性。通过揭示基于qutrit系统的能力和局限性，本研究旨在推进低深度量子电路的应用。