量子科技中心_量科网

该研究团队提出了一种测量诱导量子神经网络（MINN）——这是一种自适应监测电路架构，其后续层的纠缠门由电路中途测量结果动态决定。与标准监测电路随机采样位点和门操作不同，该架构采用参数化可变门系统，通过测量反作用产生历史关联的非线性动力学。理论表明通用MINN模型不存在高效经典模拟方法。为验证可行性，研究人员构建了支持精确费米子模拟且可梯度训练的匹配门MINN实例，并将其成功应用于连续优化、图像分类以及Sherrington-Kirkpatrick自旋玻璃基态搜索等任务，证实在宽泛的监测速率范围内均具有优异的训练效果和性能表现。