量子科技中心_量科网

傅里叶表示在偏微分方程的算子学习方法中扮演着核心角色，并日益受到量子机器学习架构研究的关注。经典快速傅里叶变换（FFT）——尤其是其库利-图基分解形式——展现出与连续变量量子电路天然契合的结构特征。这种对应关系在库利-图基蝶形网络与高斯光子门之间建立了直接的结构同构，使得FFT能以原生光学计算形式实现在连续变量量子计算中。基于这一发现，该研究团队提出了一种基于双向高斯编码和库利-图基量子傅里叶变换的连续变量量子傅里叶层（CV-QFL），可在高斯光子电路内实现精确的二维频谱处理。 研究人员在两个代表性任务上测试了CV-QFL：频谱低通滤波和热方程的傅里叶域积分。两种情况下，计算结果均达到与经典参照相当的机器精度。除这些范例外，该方法可自然扩展到光学输入场景——当信号本身已作为高斯光场存在时，耦合进入单模波导的相干光可直接由CV-QFL处理，省去显式的经典-量子编码环节。这实现了光的原生频谱处理，为量子科学机器学习（特别是CV框架下未来神经算子架构）的新方法奠定了基础。