WiMi开发单量子比特量子神经网络技术用于多任务设计

北京，2025年10月20日（环球新闻社）——北京，2025年10月20日——全球领先的全息增强现实（“AR”）技术提供商微美全息云科技（纳斯达克股票代码：WiMi）（“WiMi”或“公司”）今日宣布，已开发出用于多任务设计的单量子比特量子神经网络技术。该技术具有极具颠覆性的意义；该技术通过展示高维量子系统在高效学习方面的可行性，为未来量子计算与人工智能的深度融合提供了现实路径。
如今，训练大型神经网络往往需要数十亿级的参数和海量的数据中心资源，功耗和硬件成本的急剧上升已成为人工智能发展的真正瓶颈。同时，虽然传统神经网络在多类分类问题上取得了较高的准确率，但随着类别数量的增加，模型结构也随之扩大，导致推理延迟和计算效率的下降。
量子计算的兴起为这一困境提供了新的可能。量子比特（qubit）和量子多级系统（qudits）可以利用叠加和纠缠实现高维数据空间的自然表示，从而突破经典计算的资源限制。在该领域，量子神经网络（QNN）已成为一个前沿研究方向。相比于传统的深度学习，QNN 可以通过浅量子电路实现复杂的映射，大大提升模型紧凑性和计算效率。
在量子机器学习的浪潮中，微美全息提出的单量子神经网络技术，不仅满足了高维数据分类的实际需求，更突破了量子硬件约束下的实现瓶颈，成为推动产业进步的重要一步。
WiMi 提出的单 qudit 量子神经网络技术的核心思想是利用单个高维 qudit 的状态空间直接处理多类分类任务。与依赖数千个神经元和复杂层次结构的传统神经网络不同，SQ-QNN 利用量子系统的高维特性，在紧凑的电路规模内高效地编码和区分类别信息。
在该设计中，每个类别对应量子系统的一个维度，整体分类过程通过高维幺正算子的作用完成。微美利用斜对称矩阵的凯莱变换来构造幺正算子，该方法不仅具有良好的数学稳定性，也保证了量子电路实现的效率。这样，量子态的演化直接与类别标签建立映射关系，大大减少了电路深度和训练开销。
此外，该技术在网络参数优化时引入了混合训练方法，将扩展激活函数与支持向量机（SVM）的优化框架相结合。扩展激活函数源于截断多元泰勒级数展开，能够有效引入量子态空间的非线性表示能力；而SVM优化则进一步保证了参数优化的稳定性以及全局最优解的获取。
WiMi的SQ-QNN的整个技术逻辑可以分为三个层次：量子态编码、幺正进化设计和混合训练优化。
首先是量子态编码。在多类分类问题中，假设类别数为$d$，构建一个$d$维的量子数位系统来承载数据。经过适当的数据预处理后，输入样本被映射到量子态的振幅或相位信息。在此过程中，传统的特征提取步骤被大大简化，使得数据能够以量子形式直接进入神经网络。
二是幺正演化设计。微美全息提出利用斜对称矩阵的凯莱变换生成$d$维幺正算子。斜对称矩阵的性质使得其凯莱变换结果自然满足幺正性，从而保证了量子态演化的物理合理性和可实现性。通过该幺正算子，输入的量子态在高维希尔伯特空间中完成类别信息的映射与微分。与经典神经网络的多层传播不同，该方案只需一步演化即可实现复杂的决策边界，显著降低电路深度。
最后是混合训练优化。在参数训练阶段，该方案不再单纯依赖量子计算，而是采用了量子-经典混合训练方法。扩展激活函数的引入，使得量子神经网络在保持浅层结构的同时，具备非线性分类能力。同时，支持向量机的优化机制为参数搜索提供了高效的路径，使网络能够快速收敛到全局最优解。在该训练框架下，量子硬件的负担得到有效分担，训练效率显著提升。

关于微美全息
微美全息云科技（Nasdaq：WiMi）专注于全息云服务，主要专注于车载AR全息HUD、3D全息脉冲激光雷达、头戴式光场全息设备、全息半导体、全息云软件、全息车载导航、元宇宙全息AR/VR设备、元宇宙全息云软件等专业领域。业务涵盖全息AR技术的多个方面，包括车载全息AR技术、3D全息脉冲激光雷达技术、全息视觉半导体技术、全息软件开发、全息AR虚拟广告技术、全息AR虚拟娱乐技术、全息ARSDK支付、交互式全息虚拟通讯、元宇宙全息AR技术、元宇宙虚拟云服务等。微美全息是一家全方位的全息云技术解决方案提供商。更多信息，请访问http://ir.wimiar.com 。
翻译免责声明
本公告原文为官方授权及唯一具有法律约束力的版本。如中文翻译版本与原文有任何歧义或差异，以原文为准。微美全息及相关机构和个人对翻译版本不作任何保证，亦不对因翻译错误而造成的任何直接或间接损失承担任何责任。
投资者垂询，请联系：
微美全息
邮箱：pr@wimiar.com

ICR有限责任公司
杨志斌
电话：+1 (646) 975-9495
邮箱： wimi@icrinc.com