量子科技中心_量科网

偏微分方程（PDEs）是模拟众多自然现象的核心工具，广泛应用于气候建模、材料科学乃至金融市场等领域。虽然物理信息神经网络在加速求解偏微分方程方面前景广阔，但目前仍无法与传统数值解法相抗衡。本研究展示了量子计算如何提升物理信息神经网络求解偏微分方程的能力。为此，研究人员开发了由量子电路与经典层组成的混合网络，并针对多种非线性偏微分方程及边界条件，与纯经典网络进行了系统对比测试。实验证明，量子网络的优势在于能以更少的训练周期实现解的高精度逼近，尤其在处理复杂问题时表现更为突出。这些发现为定向开发混合量子神经网络奠定了基础，其目标在于显著加速数值模拟进程。