量子科技中心_量科网

传统硬件的能耗和带宽限制正日益制约机器学习的快速发展。光学与量子技术提供了另一种解决路径，能够在物理层直接实现高维并行信息处理，特别适用于成像任务。在此背景下，量子光子平台不仅为内积计算提供了天然机制，更为光子受限场景下的高能效推理开辟了新途径。本工作实验展示了一种无相机的量子光学图像分类器，该装置利用空间可编程单光子的Hong-Ou-Mandel（HOM）干涉，直接在测量层完成推理运算。双光子符合计数直接表征输入图像模式与学习模板的重叠度，用单次全局测量替代了像素级数据采集。该团队实现了单感知器量子光学神经元和双神经元浅层网络，在基准数据集上取得高精度分类，对实验噪声展现强鲁棒性，且硬件复杂度极低。在固定测量资源条件下，系统性能对输入分辨率保持不敏感，展现出经典框架无法实现的像素数固有鲁棒性。这一方法为神经形态量子光子处理器指明了发展方向，使其能够直接从HOM干涉中提取任务相关信息，在远程目标识别、弱信号传感和光子匮乏生物显微等领域具有广阔应用前景。