MicroCloud Hologram uit China onthult ruisbestendig Deep Quantum Neural Network, revolutioneert Quantum AI

Op 10 juni 2025 kondigde MicroCloud Hologram Inc. in Shenzhen, China, een baanbrekende vooruitgang aan in quantum computing. Ze hebben een ruisbestendige Deep Quantum Neural Network (DQNN) architectuur ontwikkeld. Deze innovatie belooft een revolutie teweeg te brengen in Quantum Artificial Intelligence (Quantum AI)-toepassingen. Traditionele neurale netwerken hebben opmerkelijke prestaties geleverd, maar quantum computing biedt het potentieel voor nog grotere vooruitgang. HOLO's DQNN gebruikt qubits als neuronen en willekeurige unitaire operaties als perceptrons. Dit ontwerp maakt efficiënte hiërarchische training mogelijk en vermindert quantumfouten, waardoor het robuust is tegen ruisgevoelige data. De kern van deze architectuur ligt in de quantumneuronen, die quantumtoestanden gebruiken om rijkere informatie op te slaan, waardoor de rekenkracht wordt verbeterd. Elke neuron werkt zijn toestand bij via unitaire operaties, waardoor wordt gegarandeerd dat er geen informatie verloren gaat tijdens de berekening. Dit ontwerp maakt het quantumneurale netwerk in staat zich aan te passen aan complexe quantumdatapatronen en tegelijkertijd rekenfouten te verminderen. Om het netwerk efficiënt te trainen, gebruikt HOLO een optimalisatiestrategie op basis van getrouwheid, een belangrijke maatstaf voor het meten van de gelijkenis tussen quantumtoestanden. Deze aanpak vermindert de behoefte aan rekenmiddelen en behoudt de stabiliteit, zelfs in een rumoerige omgeving. Dit maakt de architectuur praktisch op huidige Noisy Intermediate-Scale Quantum (NISQ) computers. De architectuur optimaliseert de quantumtoestandcodering en zorgt ervoor dat het vereiste aantal qubits alleen schaalt met de breedte van het netwerk, en niet met de diepte ervan. Dit ontwerp maakt het mogelijk om het deep quantum neurale netwerk te trainen op bestaande quantumprocessors, wat de weg vrijmaakt voor grootschalige quantum machine learning-modellen. Benchmarktests hebben aangetoond dat de DQNN doelgerichte quantumoperaties nauwkeurig leert en uitstekende generalisatiemogelijkheden vertoont. Dit betekent dat het redelijke quantummappingrelaties kan afleiden, zelfs met beperkte of ruisgevoelige trainingsdata. Naarmate quantum computing vordert, zal deze technologie naar verwachting een cruciale rol spelen in verschillende real-world scenario's. Deze doorbraak van HOLO bevordert niet alleen quantum machine learning, maar opent ook nieuwe mogelijkheden voor tal van industrieën. De ontwikkeling van deze ruisbestendige DQNN-architectuur zal naar verwachting een belangrijke rol spelen in meerdere industrieën en de kunstmatige intelligentie in een nieuw tijdperk van quantum computing inluiden.