photonic crystal

可训练的光子测量推动物理信息偏微分方程学习

研究人员开发了一种新颖的可训练光子测量技术，用于学习物理信息偏微分方程（PDE）。该方法利用了光子量子神经网络，其中光学相位代表坐标，通过多光子干涉混合，并通过光子数测量进行解码。光子电路本身被优化为表示，从而最小化物理信息残差。该方法在各种 PDE 基准测试中，尤其是在残差导数放大相位失配的复杂区域，比经典基线展现出更高的准确性，可训练参数更少，误差最多可降低一个数量级。