微美全息开发用于经典数据分类的量子卷积神经网络模型

微美全息（纳斯达克代码：WIMI）完成全参数化量子卷积神经网络（QCNN）的系统性基准测试，该量子神经网络模型以双量子比特相互作用为基础计算单元，全量子门参数支持训练同步更新，大幅降低量子电路落地难度，为含噪声中等规模量子计算机部署奠定关键基础。

核心测试结果：该量子卷积神经网络参数规模远小于经典卷积神经网络，在绝大多数测试场景下分类性能优异，可达到甚至超越传统卷积神经网络的分类精度，参数利用效率显著更高。微美全息通过测试不同电路架构、编码策略、损失函数与优化算法的组合，验证合理的参数初始化策略与优化流程可有效解决量子神经网络训练中的“贫瘠高原”问题，减少训练轮次实现稳定收敛。

译文内容由第三方软件翻译。

声明：市场有风险，投资需谨慎。本文由AI大模型基于公开信息生成，不代表新浪财经观点。文中所有信息、数据及图表仅供参考，不构成任何形式的投资建议或决策依据，相关信息以实际公告为准。如有疑问，请联系：biz@staff.sina.com.cn。

责任编辑：小浪快报