量子科技中心_量科网

求解和优化微分方程在工程与基础科学领域具有普遍意义。由于量子架构有望加速科学计算，人们自然关注量子算法求解微分方程的潜在效率。可微分量子电路（DQC）通过生成机器学习可处理的代理解，为基于现有量子计算机的变分方法求解微分方程提供了可行路径。量子极值学习（QEL）则通过寻找未知（隐式）函数可学习模型输出中的极值点，在只需获取解极值的情况下，提供了绕过完整微分方程求解的强有力工具。该研究团队首次同时展示了DQC与QEL的实验验证结果，并通过合成用例展现了其性能。值得注意的是，虽然两者理论上需要数字量子硬件，但研究人员成功在基于中性原子技术的商用模拟量子计算机上实现了闭环系统运行，突破了这一预设限制。