Danyal Maheshwari

量子CNN在地下水热羽预测方面展现潜力

研究人员开发了一种量子卷积神经网络（QCNN）来预测地下水热羽，这是一项复杂的环境建模任务。QCNN架构包括量子卷积层和池化层，输入状态使用受哈密顿量启发的特征编码方案进行准备。在模拟器和IBM的Kyiv量子处理器上进行测试后，QCNN表现出有竞争力的性能，尤其是在错误缓解方面，尽管经典神经网络仍取得了更高的准确性。这项工作表明，随着量子硬件的进步，量子增强代理建模具有广阔前景。