2025年6月10日、中国深セン市において、MicroCloud Hologram Inc.は量子コンピューティングにおける画期的な進歩を発表しました。彼らは、耐ノイズ型深層量子ニューラルネットワーク（DQNN）アーキテクチャを開発しました。この革新は、量子人工知能（量子AI）アプリケーションに革命をもたらすことを約束します。
従来のニューラルネットワークは目覚ましい成果を上げてきましたが、量子コンピューティングはさらに大きな進歩の可能性を提供します。HOLOのDQNNは、ニューロンとして量子ビットを、パーセプトロンとして任意のユニタリ演算を使用します。この設計により、効率的な階層的トレーニングが可能になり、量子エラーが削減され、ノイズの多いデータに対して堅牢になります。
このアーキテクチャの核心は、より豊かな情報を格納し、計算能力を向上させるために量子状態を使用する量子ニューロンにあります。各ニューロンは、ユニタリ演算を通じて状態を更新し、計算中に情報が失われないようにします。この設計により、量子ニューラルネットワークは複雑な量子データパターンに適応し、計算エラーを削減できます。
ネットワークを効率的にトレーニングするために、HOLOは、量子状態間の類似性を測定するための重要な指標である忠実度に基づいた最適化戦略を使用します。このアプローチにより、計算リソースの必要性が減少し、ノイズの多い環境でも安定性が維持されます。これにより、現在のノイズの多い中間規模量子（NISQ）コンピューターでこのアーキテクチャを実用化できます。
このアーキテクチャは、必要な量子ビットの数がネットワークの深さではなく幅でのみスケーリングされるように、量子状態エンコーディングを最適化します。この設計により、深層量子ニューラルネットワークを既存の量子プロセッサでトレーニングできるようになり、大規模な量子機械学習モデルへの道が開かれます。
ベンチマークテストでは、DQNNがターゲットの量子演算を正確に学習し、優れた一般化能力を示すことが示されています。これは、トレーニングデータが限られているかノイズが多い場合でも、合理的な量子マッピング関係を推測できることを意味します。量子コンピューティングが進歩するにつれて、この技術はさまざまな現実世界のシナリオで重要な役割を果たすことが期待されています。
HOLOによるこのブレークスルーは、量子機械学習を推進するだけでなく、多くの業界に新たな可能性を開きます。この耐ノイズ型DQNNアーキテクチャの開発は、複数の業界で重要な役割を果たすことになり、人工知能を量子コンピューティングの新たな時代へと導きます。