Китайська MicroCloud Hologram представляє стійку до шуму глибоку квантову нейронну мережу, революціонізуючи квантовий штучний інтелект

10 червня 2025 року в Шеньчжені, Китай, MicroCloud Hologram Inc. оголосила про прорив у квантових обчисленнях. Вони розробили стійку до шуму архітектуру Deep Quantum Neural Network (DQNN). Ця інновація обіцяє революціонізувати застосування Quantum Artificial Intelligence (Quantum AI). Традиційні нейронні мережі досягли значних успіхів, але квантові обчислення пропонують потенціал для ще більших досягнень. DQNN від HOLO використовує кубіти як нейрони та довільні унітарні операції як перцептрони. Цей дизайн дозволяє ефективне ієрархічне навчання та зменшує квантові помилки, роблячи його стійким до зашумлених даних. Ядром цієї архітектури є її квантові нейрони, які використовують квантові стани для зберігання більш багатої інформації, покращуючи обчислювальну потужність. Кожен нейрон оновлює свій стан за допомогою унітарних операцій, гарантуючи, що інформація не втрачається під час обчислень. Цей дизайн дозволяє квантовій нейронній мережі адаптуватися до складних квантових шаблонів даних, одночасно зменшуючи обчислювальні помилки. Щоб ефективно навчити мережу, HOLO використовує стратегію оптимізації, засновану на вірності, ключовій метриці для вимірювання подібності між квантовими станами. Цей підхід зменшує потребу в обчислювальних ресурсах і підтримує стабільність навіть у зашумленому середовищі. Це робить архітектуру практичною на сучасних комп'ютерах Noisy Intermediate-Scale Quantum (NISQ). Архітектура оптимізує кодування квантового стану, гарантуючи, що необхідна кількість кубітів масштабується лише з шириною мережі, а не з її глибиною. Цей дизайн дозволяє навчати глибоку квантову нейронну мережу на існуючих квантових процесорах, прокладаючи шлях для великомасштабних моделей квантового машинного навчання. Еталонні тести показали, що DQNN точно вивчає цільові квантові операції та демонструє чудові можливості узагальнення. Це означає, що вона може виводити розумні квантові співвідношення відображення навіть з обмеженими або зашумленими навчальними даними. З розвитком квантових обчислень, ця технологія, як очікується, відіграватиме вирішальну роль у різних реальних сценаріях. Цей прорив від HOLO не тільки просуває квантове машинне навчання, але й відкриває нові можливості для численних галузей. Розробка цієї стійкої до шуму архітектури DQNN має відіграти значну роль у багатьох галузях, відкриваючи штучний інтелект в нову еру квантових обчислень.