SHENZHEN, China - MicroCloud Hologram Inc. (NASDAQ: HOLO), un proveedor de servicios tecnológicos con una capitalización de mercado de 35 millones de dólares, ha anunciado el desarrollo de una tecnología de algoritmos cuánticos destinada a mejorar el rendimiento de las redes neuronales convolucionales profundas (CNN) aprovechando las capacidades de la computación cuántica.
La Red Neuronal Cuántica Convolucional (QCNN) de la empresa busca replicar las salidas de las CNN tradicionales mientras mejora la eficiencia computacional y supera los desafíos inherentes a la computación cuántica, como la implementación de operaciones no lineales. La arquitectura QCNN utiliza la codificación de estados cuánticos para mapear datos de alta dimensión en estados cuánticos, facilitando las operaciones de convolución paralelas y reduciendo la complejidad computacional.
Los núcleos de convolución cuántica extraen características de los datos a velocidad cuántica, y se ha desarrollado un enfoque basado en la medición para las funciones de activación no lineales, preservando la superposición cuántica. El algoritmo de optimización de HOLO para el entrenamiento del QCNN incorpora el cálculo de gradiente cuántico con métodos de descenso de gradiente, permitiendo actualizaciones eficientes de parámetros. Las simulaciones numéricas han indicado que el QCNN puede alcanzar una precisión de clasificación comparable a las CNN clásicas, pero con una velocidad de cálculo y eficiencia de recursos superiores, especialmente con grandes conjuntos de datos.
Esta tecnología tiene aplicaciones prácticas en varios campos, incluida el análisis de imágenes médicas, donde el QCNN puede detectar anomalías de manera rápida y precisa, y en la conducción autónoma, donde puede procesar información ambiental en tiempo real. La empresa también ve potencial para el QCNN en el procesamiento del lenguaje natural y el análisis de datos financieros.
A pesar de los avances significativos, HOLO reconoce que persisten desafíos como la optimización de circuitos cuánticos para conjuntos de datos más grandes y el abordaje de limitaciones en el hardware de computación cuántica. La empresa planea continuar la investigación en diseños de algoritmos cuánticos robustos y monitorear los avances en hardware cuántico. Con una sólida posición de liquidez evidenciada por un ratio de liquidez corriente de 13.53 y más efectivo que deuda en su balance, HOLO mantiene la flexibilidad financiera para seguir invirtiendo en I+D, a pesar de enfrentar una disminución del 29.79% en sus ingresos interanuales.
El QCNN representa un paso significativo en la integración de la tecnología cuántica con la inteligencia artificial, con el potencial de revolucionar sectores como la salud, el transporte, las finanzas y la ciencia fundamental. A medida que avanza el hardware de computación cuántica, se espera que el potencial del QCNN se expanda, marcando un desarrollo crucial en la evolución de sistemas inteligentes de próxima generación.
En otras noticias recientes, MicroCloud Hologram ha realizado avances notables en su tecnología de computación cuántica. La empresa ha desarrollado un nuevo protocolo de tecnología cuántica que mejora el control y la fidelidad de las operaciones de qubits, marcando un progreso significativo en el campo. Este protocolo, basado en el teorema adiabático cuántico, permite un control energético de alta precisión y suprime el ruido de carga, un problema común en el control cuántico.
Además, los investigadores de MicroCloud Hologram han alcanzado fidelidades de estado cuántico de hasta el 99% con operaciones de puerta de un qubit y de dos qubits. A pesar de los desafíos operativos, se espera que estos recientes avances contribuyan significativamente a la industria del procesamiento de información cuántica.
Estos avances son parte de los esfuerzos continuos de MicroCloud Hologram para perfeccionar su tecnología y expandir las capacidades y aplicaciones de las puertas cuánticas. La investigación de la empresa se centra en tres áreas clave: selección y preparación de bits cuánticos, construcción de redes tensoriales cuánticas y simulación de la dinámica de estados entrelazados infinitos.