量子科技中心_量科网

要判断近期量子机器学习（QML）中量子模型的实际优势领域，需要超越孤立的算法提案，转向跨模型、数据集和硬件限制的系统化实证探索。该研究团队推出开源框架MerLin——一个专为光子及混合量子机器学习设计的研究引擎。该框架将线性光学电路的优化强模拟集成至PyTorch和scikit-learn标准工作流，实现量子层的端到端可微分训练，其设计核心聚焦系统性基准测试与可复现性。 作为首个成果，该团队复现了18项前沿光子与混合量子机器学习研究，涵盖核方法、储层计算、卷积/循环架构、生成模型及现代训练范式。这些复现成果以可重用模块化实验形式发布，可直接扩展适配，构建起与现代人工智能实证基准方法相统一的共享实验基线。通过将光子量子模型嵌入成熟机器学习生态，MerLin使从业者能利用现有工具进行消融研究、跨模态比较及经典-量子混合工作流。该框架已实现硬件感知功能，既支持现有量子硬件测试，又可探索超越当前硬件限制的潜力，使其成为连接算法、基准与硬件的未来适应性协同设计工具。