WiMi研究混合量子-经典卷积神经网络模型

北京，2025 年 10 月 23 日（GLOBE NEWSWIRE）——北京，2025 年 10 月 23 日——全球领先的全息增强现实（“AR”）技术提供商微美全息云公司（纳斯达克股票代码：WiMi）（“WiMi”或“公司”）今天宣布，他们正在积极探索浅层混合量子经典卷积神经网络（SHQCNN）模型，为图像分类领域带来创新突破。
变分量子方法作为量子计算领域的重要技术手段，通过将量子态的优化问题转化为经典的优化问题，为量子算法的设计和实现提供了有效的途径。微美全息在SHQCNN模型中采用了增强型变分量子方法，为模型在图像分类任务中的高效运行奠定了坚实的基础。增强型变分量子方法在传统方法的基础上进行了多方面的优化。首先，在量子态表示方面，通过引入更复杂的量子门组合和参数化形式，可以更精确地描述图像数据的量子特征。其次，在优化算法中，采用了先进的自适应优化策略，可以在训练过程中根据实时反馈动态调整优化参数，加快收敛速度，提升模型的训练效率。这种增强型变分量子方法使SHQCNN模型在处理图像分类任务时能够充分发挥量子计算的优势，同时避免了传统QNN层数增加带来的复杂性问题。
在图像分类任务中，输入数据的质量和可区分性直接影响模型的性能。SHQCNN模型在输入层采用核编码方法，这种方法如同一把精准的钥匙，提升了数据区分和处理的效率。核编码方法的核心思想是通过非线性映射将原始图像数据从低维空间映射到高维特征空间，使得原本在低维空间难以区分的图像数据在高维空间中变得更容易分离。SHQCNN模型通过核编码方法优化了输入阶段的数据处理，为后续隐层和输出层的计算提供高质量的输入，从而提升了整个模型的分类精度。
而隐藏层作为神经网络的核心部分，承担着对输入数据进行特征提取和变换的重任。在传统的量子神经网络（QNN）中，随着层数的增加，隐藏层的计算复杂度急剧上升，导致训练过程变得异常困难。SHQCNN模型在隐藏层设计了变分量子电路，巧妙地解决了这一问题。变分量子电路由一系列量子门组成，可以对输入的量子态进行特定的变换。相比于传统深度神经网络的隐藏层，变分量子电路具有更简洁的结构和更低的计算复杂度。通过合理设计量子门的类型和排列顺序，变分量子电路可以在更少的层数内实现对图像特征的有效提取。同时，变分量子电路的参数可以通过经典的优化算法进行训练，使模型能够根据不同的图像分类任务进行自适应优化，进一步提升模型的泛化能力。
输出层作为神经网络的最终模块，负责对隐层提取的特征进行分类决策。SHQCNN模型在输出层采用了小批量梯度下降算法，该算法的创新应用显著提升了模型的参数训练和学习速度。小批量梯度下降算法是梯度下降算法的一种变体，在每次迭代中，它不是使用全部训练数据，而是从训练集中随机选择一小批数据进行计算。相比传统的批量梯度下降算法，小批量梯度下降算法具有更快的计算速度和更好的收敛性。在SHQCNN模型中，通过更频繁地进行权重更新，小批量梯度下降算法可以及时调整模型参数，使模型能够更快地适应训练数据的变化。
微美全息自主研发的浅层混合量子-经典卷积神经网络模型（SHQCNN），通过综合应用增强变分量子方法、核编码方法、变分量子电路、小批量梯度下降算法等一系列先进技术，在稳定性、准确性、泛化性等方面具有显著优势，将为图像分类领域带来新的解决方案。随着量子计算技术的不断发展和应用场景的不断拓展，SHQCNN模型将在更多领域展现出巨大的潜力。

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