量子科技中心_量科网

机器学习的基础任务之一是图像分类，这是验证算法性能与实际潜力的关键基准。然而，如何高效处理高维、细节丰富的图像——这种生物视觉系统与生俱来的能力——始终是学界持续面临的挑战。受人类大脑“先见森林后察树木”的高效认知机制启发，该研究团队提出了一种创新的图像识别引导范式。该范式利用经典神经网络分析全局低频信息，进而引导量子电路定向处理图像中的关键高频区域。研究人员构建了“脑启发量子分类器”(BIQC)，通过经典通路识别局部精细特征、量子通路解析相应细节的互补架构实现了这一范式。在包含高分辨率图像的多数据集数值模拟中，BIQC相比现有方法展现出更优的准确性和可扩展性。这项工作为开发下一代视觉系统指明方向，彰显了脑启发混合量子-经典方法的广阔前景。