量子科技中心_量科网

快速权重编程器（FWP）通过动态更新的参数而非循环隐藏状态来编码时间依赖关系。量子FWP（QFWP）利用变分量子电路（VQC）扩展了这一思想，但现有实现依赖于多量子比特架构，这使得它们在含噪中等规模量子（NISQ）设备上难以扩展，且经典模拟成本高昂。本文提出门控QKAN-FWP，这是一个快速权重框架，它将FWP与量子启发式Kolmogorov-Arnold网络（QKAN）相结合，使用单量子比特数据重上传电路作为可学习非线性激活函数，即数据重上传激活（DARUAN）。该研究进一步引入了一种标量门控快速权重更新规则，以稳定参数演化，并对其自适应记忆核、几何有界性和可并行梯度路径进行了理论分析。研究团队在时间序列基准测试、MiniGrid强化学习任务上评估了该框架，并将真实世界的太阳周期预测作为主要实际应用成果。在528个月输入窗口和132个月预测范围的长时预测场景中，该团队12.5k参数的模型实现了比一系列经典循环基线模型（参数量多达13倍）更低的缩放均方误差（MSE）、峰值幅度误差和峰值时序误差，这些基线模型包括长短期记忆网络（LSTM，25.9k-89.1k参数）、WaveNet-LSTM（167k参数）、标准循环神经网络（11.5k参数）和修正回声状态网络（132k参数）。为验证NISQ兼容性，该研究进一步在IonQ和IBM量子处理器上部署了训练好的快速编程器，在1024次采样下，其预测精度与无噪声模拟器的相对MSE偏差在0.1%以内。这些结果将门控QKAN-FWP定位为一种可扩展、参数高效且NISQ兼容的量子启发式序列建模方法。