转移学习（TL）是机器学习的至关重要的子场，旨在通过获得源域的知识来完成目标域中的任务。特定的有效域适应性（DA）促进了TL任务的交付，其中两个域的所有数据示例都分布在同一特征空间中。在本文中，与经典的DA分类器相比，DA分类器的两个量子实现具有量子加速。一个实现，量子基本线性代数子例程（QBLA）基于分类器，可以在给定数据的数字和维度中预测具有对数资源的目标域数据的标签。其他实现方法通过变分混合量子式经验来完成DA任务。