量子科技中心_量科网

量子计算机代表了一种具有持续提升硬件能力的新型计算范式。在该工作中，研究团队首次探索如何利用现有量子计算机对中微子望远镜观测到的不同中微子事件类型进行分类。团队研究了两种量子机器学习方法——神经投影量子核（NPQKs）和量子卷积神经网络（QCNNs），发现这两种方法在宽能量范围内均可达到与经典机器学习相当的分类性能。通过引入基于转动惯量的编码方案和新型预处理方法，该团队实现了大规模中微子天文数据集的高效可扩展学习。经模拟器和IBM斯特拉斯堡量子处理器测试，NPQK获得近80%的测试准确率，在1 TeV以上能量区间表现稳健，且模拟结果与硬件性能高度吻合。模拟QCNN在相同能量范围内准确率约为70%。这些成果凸显了量子机器学习在中微子天文学中的应用前景，为未来量子硬件成熟后的深入研究奠定了基础。