量子科技中心_量科网

该研究团队探索了混合量子张量网络在气动弹性问题中的应用，充分发挥量子机器学习（QML）的优势。通过将张量网络与变分量子电路相结合，研究证明了QML处理复杂时间序列分类与回归任务的潜力。实验结果表明，混合量子张量网络在二分类任务中具有高精度表现，同时在离散变量回归方面展现出良好性能。尽管超参数选择仍需通过精细优化来充分释放模型潜力，这项工作为利用QML解决气动弹性领域复杂问题做出了重要贡献。 该团队提出了一种端到端可训练的混合算法：首先将时间序列编码为张量网络，利用可训练张量网络进行降维处理，随后在编码阶段将生成的张量转换为量子电路。最后采用受张量网络启发的可训练变分量子电路，以解决气动弹性领域中的分类任务、多变量或单变量回归问题。