量子科技中心_量科网

矩阵乘法（MatMul）是现代机器学习的计算核心，但其经典计算复杂度仍是大规模数据处理的瓶颈。该研究团队提出了一种基于哈达玛测试自适应配置的量子-经典混合矩阵乘法算法。通过利用量子随机存取存储器（QRAM）进行态制备，研究团队证明两个向量内积的计算复杂度可降至O(log N)。该工作引入的"自适应堆叠"框架使算法能根据可用量子比特资源动态调整执行模式——从顺序水平堆叠到大规模垂直并行。这种灵活性实现了可调节的时间复杂度范围，理论上在容错量子系统上可达O(N²)，同时保持与近期硬件的兼容性。该团队通过量子机器学习（QML）模拟验证了方法的数值稳定性，在MNIST手写数字数据集上达到96%准确率。研究结果表明，自适应量子矩阵乘法为高维线性代数运算实现超经典效率提供了可行路径。