量旋科技与国内合作者研发出双向解析量子机器学习模型
由量旋科技、香港科技大学、深圳大学及粤港澳大湾区量子科学中心研究人员组成的科研团队创新性地提出了一种基于长短期记忆的机器学习模型,首次实现了量子系统参数与动态演化的“双向解析”。该模型不仅能够从实验观测数据中逆向推断哈密顿量参数,还可基于参数预测量子系统的动态行为。这一突破性成果为量子硬件调试、噪声表征及算法优化提供了新思路,目前已通过理论模拟与多平台实验验证。研究成果已被近期的《物理评论快报》收录。
WWW.QTC.COM.CN

由量旋科技、香港科技大学、深圳大学及粤港澳大湾区量子科学中心研究人员组成的科研团队创新性地提出了一种基于长短期记忆的机器学习模型,首次实现了量子系统参数与动态演化的“双向解析”。该模型不仅能够从实验观测数据中逆向推断哈密顿量参数,还可基于参数预测量子系统的动态行为。这一突破性成果为量子硬件调试、噪声表征及算法优化提供了新思路,目前已通过理论模拟与多平台实验验证。研究成果已被近期的《物理评论快报》收录。