量子科技中心_量科网

该研究团队提出了一种混合时空量子图卷积网络（H-STQGCN）算法，通过结合量子计算与经典深度学习的优势，实现城市路网中出租车目的地的预测。该算法包含两个分支：空间处理和时间演化。在空间处理方面，经典模块基于图卷积网络（GCN）方法编码路网的局部拓扑特征，量子模块则通过可微分池化层将图特征映射至参数化量子电路。时间演化环节通过整合多源上下文信息，并基于经典时序卷积网络（TCN）理论捕捉动态行程关联性。最终实验结果表明，该算法在预测精度与稳定性方面优于现有方法，验证了量子增强机制在捕获高维空间依赖性方面的独特优势。