摘要

<正>量子机器学习(quantum machine learning,QML)是当前量子计算理论的研究热点之一。在真实的大规模量子系统中,不可避免地存在扰动和噪声,而微小扰动将导致量子分类器分类错误,从而使量子机器学习算法失效。基于上述原因,研究在微小扰动下的量子分类器鲁棒性,是量子机器学习研究中的基本问题之一,而如何高效生成尽可能小的扰动使量子分类器失效是关键点。