量子科技中心_量科网

该研究团队提出了“分区混合量子傅里叶神经算子”（PHQFNO），作为科学机器学习中量子傅里叶神经算子（QFNO）的泛化形式。该方法将傅里叶算子计算任务分配至经典与量子资源，实现了可调节的量子-经典混合计算模式，支持跨量子设备与经典设备的分布式执行。 该工作通过引入消息传递框架实现不同分区间的数据分发，将QFNO扩展至高维场景。输入数据采用单热编码方式转化为量子态，并通过变分方案优化量子电路参数。研究人员基于PennyLaine与PyTorch的集成环境实现了PHQFNO，并在伯格斯方程、不可压缩与可压缩纳维-斯托克斯方程上进行了验证。实验表明：PHQFNO能完全复现经典FNO的精度；针对不可压缩纳维-斯托克斯问题，其精度更超越经典方法；在输入噪声敏感性测试中，PHQFNO也展现出比经典基线更强的稳定性。