摘要 量子机器学习是一个快速发展的研究领域，它可以促进量子计算的重要应用，并对数据驱动科学产生重大影响。在我们的工作中，基于复杂性理论和物理学的各种论点，我们证明单个克尔模式在处理基于核的方法时可以提供一些“量子增强”。利用核属性、神经正切核理论、克尔非线性的一阶扰动理论和非扰动数值模拟，我们表明量子增强可以在收敛时间和泛化误差方面发生。此外，我们明确指出了如何考虑高维输入数据。最后，我们提出了一种基于电路 QED 的实验协议，我们称之为量子克尔学习。