تقدم هذه الورقة البحثية خوارزمية التصنيف بالتماثل النادر (STC)، وهي خوارزمية تصنيف مراقبة للبيانات الفئوية مستوحاة من مفهوم التراكب الكمي في الفيزياء الكمومية. وباعتبار الملاحظة كتراكب لخصائص متعددة، نُقدِّم مفهوم التكافؤ الموجي-الجسيمي في التعلم الآلي، ونُقدِّم إطارًا عامًا يوحِّد الاحتمالات الكلاسيكية والكمومية. ونُظهر أن STC تمتلك طيفًا واسعًا من الخصائص المرغوبة التي لا تتوفر في معظم طرق التعلم الآلي الأخرى، وفي الوقت نفسه تكون بسيطة بشكل استثنائي في الفهم والاستخدام. وتبين التقييمات التجريبية لـ STC على البيانات الهيكلية وتصنيف النصوص أن منهجيتنا تحقق أداءً من الطراز الرائد مقارنةً بكل من الفئات القياسية والتعلم العميق، مع ميزة إضافية تتمثل في الحاجة إلى أقل قدر ممكن من المعالجة المسبقة للبيانات وضبط المعايير المسبقة (Hyper-parameters). علاوةً على ذلك، توفر STC تفسيرًا طبيعيًا لتنبؤاتها، سواء بالنسبة لعينة فردية أو لكل فئة مستهدفة بشكل عام.