量子科技中心_量科网

该研究团队提出了一种用于图像分类的新型量子神经网络，该网络能够以全分辨率对MNIST数据集的奇偶性进行分类，测试准确率高达97.5%，且无需任何经典预处理或后处理。该架构基于专家混合模型，其模型函数是每个专家模型函数的总和。研究人员使用振幅编码对输入进行编码，这使得该团队能够用10个量子比特对全分辨率MNIST图像进行编码，并仅使用一个单量子比特门在整个图像上实现卷积。该训练算法基于同时训练所有专家，与独立训练每个专家相比，显著提高了可训练性。事实上，在专家数量无限的情况下，该训练算法可以完美拟合训练数据。研究结果表明，该量子神经网络具有以最小量子资源实现高精度图像分类的潜力，为更可扩展和高效的量子机器学习模型铺平了道路。