機器學習是一門多領域交叉學科，專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑。隨著大數據時代各行業對數據分析需求的持續增加，通過機器學習的算法高效地獲取知識，已逐漸成為當今機器學習技術發展的主要推動力。

所以，機器學習具有兩個核心要素：一是機器數據，二是機器算法。機器學習算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。

我們都知道，當今的計算機有我們現在廣泛使用的、傳統的電子計算機，還有正在試驗使用、不久即將實際應用的量子計算機。所以，除了傳統數據、傳統計算機算法之外，還存在有量子數據、量子計算機算法，如下表所示。

這樣，將量子計算和機器學習理論結合起來就會有四種不同的方法與途徑。第一個字母指的是所研究的系統數據是經典的還是量子的，而第二個字母指的是使用經典或量子信息處理設備。具體有這么四種：

上面第一種和第二種常統稱為傳統機器學習，或簡稱為機器學習；第三種和第四種統稱為量子機器學習，有時候也將第二種也列入為量子機器學習范疇。

第一種是當前的人工智能所廣泛使用的機器算法及其所處理分析的數據，許多人都有所了解，就不用介紹了。在這里，我們先簡單解釋第二種，也就是本文的標題：量子系統的經典機器學習，這是當前在物理學研究中所使用的通過經典的機器算法來處理分析量子系統數據。

將經典的機器學習方法應用于量子系統的研究是當前物理學研究的一個新興領域。經典機器學習有效地處理量子物理研究中的大量實驗或計算數據，以便表征未知量子系統，使其有效地應用在包括量子信息理論、量子技術開發和計算材料設計中。