Renato Portugal

量子计算进展：基础模型和高效神经网络解决复杂问题

研究人员开发了两种不同的量子计算方法来解决复杂问题。一种名为“Hamilton-Zero”的神经张量网络基础模型，旨在计算任意二次量子比特哈密顿量的基态，并采用来自大型语言模型（LLM）和深度强化学习的技术进行训练。另一种是单量子比特量子神经网络（SQQNN），它利用参数化酉算符和一种新颖的高效训练方法，在MNIST和Wisconsin Breast Cancer等数据集上实现了有效的回归和分类。