量子科技中心_量科网

聚合物因其复杂的结构特征和多样化的性能表现，已成为当代化学与材料科学研究的核心议题。当传统计算技术（包括多尺度方法）难以有效解析这种复杂性时，量子计算为揭示结构-性能关系提供了创新性解决方案。尽管关于实用价值的争论持续存在，噪声中等规模量子（NISQ）设备目前仍是探索算法实现的重要平台——包括用于分类任务的量子神经网络。该研究团队提出了一种混合经典-量子计算框架：将用于聚合物特征提取的经典深度神经网络，与光子量子计算特有的单光子量子分类器进行耦合。该计算流程通过光学带隙成功实现了聚合物种类分类，其性能介于基于CPU的噪声模拟与Quandela公司Ascella量子处理器的原理验证实验之间。这些发现证实了所提出计算方案的有效性，并表明在现有NISQ设备的限制条件下，化学相关分类任务已具备可行性。