量子机器学习概述
量子机器学习（Quantum Machine Learning, QML）结合量子计算和机器学习，利用量子叠加和纠缠特性加速特定计算任务。
虽然通用量子计算机尚未成熟，但在NISQ（Noisy Intermediate-Scale Quantum）时代，量子机器学习已经展现出独特的潜力。
核心技术
变分量子算法
VQA是NISQ时代的主力算法，结合经典优化和量子电路。
量子神经网络
使用参数化量子电路构建的神经网络模型。
量子核方法
利用量子态的高维希尔伯特空间作为特征映射。
量子优势探索
量子机器学习追求在特定问题上实现量子优势——即量子算法显著优于经典算法。可能的优势领域包括：
优化问题：组合优化、金融建模
化学模拟：分子结构预测、药物发现
采样问题：生成模型、概率推断
技术意义
量子机器学习代表了计算的终极边界。虽然大规模应用还需要硬件突破，但提前布局这一领域对未来的技术竞争至关重要。当前的研究为后量子时代的AI奠定了理论基础。