量子科技中心_量科网

研究人员提出了一种混合量子残差网络（HQRN），并建立了其状态演化与经典残差连接网络动态之间的精确函数对应关系。当输入限制在计算基时，HQRN会退化为经典对应网络，从而可将优化后的经典权重直接转化为量子幺正操作，有效继承经典优化的景观优势。反之，在处理一般混合态时，HQRN能利用非对角量子关联解析其经典对应网络无法获取的特征。该团队通过数字识别和二分纠缠分类验证了这一框架。值得注意的是，即便面对模拟纠缠对边际测量统计特性的对抗性可分离态，HQRN仍能实现高精度分类。这项研究成果弥合了经典与量子残差学习之间的鸿沟，为深度量子架构的可扩展发展开辟了新路径。