量子科技中心_量科网

近年来，共享单车系统已在众多城市实施，成为日常生活的重要组成部分。然而，当密集的通勤需求导致特定区域和特定时段出现自行车短缺时，普遍问题随之产生。为解决这一挑战，该研究团队采用了一种新颖的量子机器学习模型，通过将量子时间演化与观测序列相拟合来分析时间序列数据。该模型使研究人员能够捕捉单个站点的自行车数量实际趋势，并识别不同站点之间的相关性。利用训练后的模型，该工作模拟了主动向高需求站点增投自行车对系统整体租用数量的影响。鉴于该方法的核心在于蒙特卡洛模拟，预计其将具有广泛的工业应用前景。