量子科技中心_量科网

能够生成随机过程相干叠加态的量子电路，是风险分析、重要性采样和DNA测序等众多量子加速任务的关键。然而，随着目标模拟时间跨度的增加，相关概率向量规模会呈指数级增长，这使得传统基于数据设计此类电路的方法面临巨大挑战。本研究提出了一种量子序列模型，该模型采用递归量子电路结构来生成相干叠加态，其电路复杂度仅随目标时间跨度线性增长；结合参数平移规则的递归变体，该工作实现了基于观测数据的模型训练。与基准量子玻恩机相比，在数据稀疏场景下，该研究团队构建的模型精度实现了数量级的提升。