量子科技中心_量科网

激光粉末床熔融（LPBF）是一种前景广阔但面临质量保证挑战的增材制造技术。根据工艺参数预测熔池对于在制造前评估质量至关重要，但由于LPBF背后复杂的物理过程，这仍然是一个难题。量子计算机呈现了一种新的计算范式，利用量子纠缠和叠加为信息处理提供了新方法。本文实际展示了一种混合量子-经典模型，该模型借助量子计算，通过量子特征编码器改进工艺参数的特征提取。为使量子方法在大型数据集上具备计算可行性，该团队首先采用聚类算法来减少昂贵的量子计算次数。随后，这些量子特征由经典神经网络处理，以预测熔池形态，从而实现对熔池更精确的预测。该团队利用量子模拟器演示了该方法，分析了测量散粒噪声对网络预测性能的影响，并使用量子硬件验证了结果。最后，通过考察哪些量子特征最为重要，研究人员提供了可用于指导未来更有效量子编码电路设计的见解。最终，相较于纯经典网络的性能提升验证了混合方法的有效性，展示了在含噪中等规模量子（NISQ）器件上使用量子计算的一个工程应用实例。