MicroCloud Hologram Inc. 开发了一种抗噪声的深度量子神经网络（DQNN）架构，以优化量子学习任务的训练效率

中国深圳，2025年6月10日（环球新闻网）-- MicroCloud Hogram Inc.（纳斯达克：技术服务提供商HOLO）（“HOLO”或“公司”）宣布开发抗噪深度量子神经网络（DQNN）架构，旨在实现通用量子计算并优化量子学习任务的训练效率。这一创新不仅是传统神经网络的量子模拟，而且是一个能够处理真实量子数据的深度量子学习框架。通过减少量子资源需求和增强训练稳定性，该架构为未来的量子人工智能（Quantum AI）应用奠定了基础。

神经网络（DNN）在计算机视觉、自然语言处理和自动驾驶等各个领域都表现出了非凡的能力。然而，随着量子计算的快速发展，科学界正在积极探索如何利用量子计算来增强机器学习模型的性能。传统的量子神经网络经常借用经典神经网络的结构，并使用参数化量子电路（PQC）模拟经典的权重更新机制。然而，这些方法通常受到噪音效应的限制，并且训练复杂性随着网络深度的增长而显着增加。

此背景下，HOLO提出了一种深度量子神经网络架构，该架构使用量子位作为神经元，使用任意么正运算作为感知器。该架构不仅支持高效的分层训练，还有效减少量子误差，从而实现从有噪数据中进行稳健的学习。这项创新克服了量子神经网络之前深度可扩展性有限的瓶颈，为量子人工智能应用开辟了新的机会。

架构的核心在于量子神经元的构建。与使用纯量值来表示神经元激活状态的经典神经网络不同，量子神经网络中的神经元由量子状态来表示。这些量子状态可以通过量子叠加和纠缠等机制存储更丰富的信息并增强计算能力。

神经元通过元化操作更新其状态，类似于经典神经网络中的激活函数。这些正运算保留了量子状态的正规化性质，并确保信息在计算过程中不会丢失。这种感知器设计赋予量子神经网络强大的表达能力，使其能够适应复杂的量子数据模式，同时减少计算错误。

实现量子神经网络的高效训练，HOLO采用了基于保真度的优化策略。保真度是衡量两个量子状态之间相似性的关键指标，广泛用于量子信息处理。在训练过程中，量子神经网络的目标是最大化当前状态和期望目标状态之间的保真度，而不是像经典神经网络那样最小化损失函数。该策略允许量子神经网络以更少的训练步骤收敛到最优解决方案，从而显着减少训练所需的量子资源。

，这种优化方法具有很强的鲁棒性，可以有效地处理量子系统中的固有噪音和错误。在量子硬件实验中，HOLO验证了这种优化方法的有效性，并发现即使在嘈杂的环境中，它也能保持稳定的学习性能。这一特性使得该架构在当前的噪声中间尺度量子（NISQ）计算机上实际可行。

深度 经典神经网络的扩展通常会导致参数呈指数级增加，量子神经网络面临着与扩展期间量子位数量和纠缠复杂性相关的挑战。为了解决这个问题，该架构优化了量子状态编码方法，确保所需的量子位数量仅随网络的宽度而不是其深度而缩放。

创新设计意味着，即使神经网络变得非常深，所需的量子位资源也保持在可管理的范围内，从而减少了硬件需求。该功能使深度量子神经网络能够在现有量子处理器上进行训练，为未来大规模量子机器学习模型的实现提供了可行的路径。

进行了多次基准测试。一项关键任务涉及学习未知量子操作，其中量子神经网络被训练来预测未知量子操作如何影响不同的输入状态。结果表明，该架构不仅能够准确地学习目标量子操作，而且具有出色的概括能力。这意味着，即使训练数据有限，量子神经网络仍然可以推断出合理的量子映射关系。此外，即使训练数据中含有一定的噪声，网络也能保持稳定的学习性能，进一步证明了其在噪声环境中的鲁棒性。

量子计算技术的不断进步，深度量子神经网络的实际应用前景日益广阔。HOLO架构的发展不仅推动了量子机器学习领域的发展，也为各个行业开辟了新的可能性。HOLO计划进一步优化这种架构，并探索其在更大规模量子计算机上的潜在应用。未来，随着量子硬件的发展，深度量子神经网络有望在更多现实场景中发挥关键作用，为人工智能与量子计算的融合开辟新路径。

成功开发出抗噪深度量子神经网络架构，克服了传统量子神经网络的局限性，实现了高效的分层训练和量子计算优化。通过使用保真度作为优化目标，该网络减少了对计算资源的需求，同时保持对有噪数据的鲁棒性。实验结果证明了其出色的概括能力和实用可行性，为量子人工智能的未来发展奠定了基础。随着量子计算技术的不断成熟，这种创新架构有望在多个行业发挥重要作用，将人工智能带入量子计算的新时代。

MicroCloud Hologram Inc.

致力于为全球客户提供领先的全息技术服务。MicroCloud的全息技术服务包括基于全息技术的高精度全息光检测和测量（“LiDART”）解决方案、独家全息LiDART点云算法架构设计、突破性技术全息成像解决方案、全息LiDART传感器芯片设计和全息汽车智能视觉技术，为客户提供可靠的全息高级驾驶辅助系统（“ADAS”）。MicroCloud还为客户提供全息数字孪生技术服务，并建立了专有的全息数字孪生技术资源库。MicroCloud的全息数字孪生技术资源库通过利用 MicroCloud的全息数字孪生软件、数字内容、空间数据驱动的数据科学、全息数字云算法和全息3D捕获技术相结合。欲了解更多信息，请访问http://ir.mcholo.com/

安全港声明

本新闻稿包含前瞻性陈述所定义的私人证券诉讼改革法案的1995年。前瞻性陈述包括有关计划、目标、目标、策略、未来事件或绩效的陈述，以及基本假设和历史事实陈述以外的其他陈述。当公司使用“可能”、“将”、“打算”、“应该”、“相信”、“期望”、“预期”、“项目”、“估计”等词语或仅与历史事项无关的类似表达时，公司正在做出前瞻性陈述。前瞻性陈述并不是未来业绩的保证，并且涉及风险和不确定性，可能导致实际结果与前瞻性陈述中讨论的公司预期存在重大差异。这些陈述受到不确定性和风险的影响，包括但不限于以下内容：公司的目标和战略;公司未来的业务发展;产品和服务需求和接受程度;技术变化;经济状况;声誉和品牌;竞争和定价的影响;政府法规;总体经济波动;财务状况和经营业绩;全息行业的预期增长和公司计划服务的中国和国际市场的业务状况，以及公司向美国证券交易委员会（“SEC”）提交的报告中包含的任何上述风险和其他风险的假设，包括公司最近提交的10-K表格年度报告和当前6-K表格报告及其后续文件。出于这些原因，我们警告投资者不要过度依赖本新闻稿中的任何前瞻性陈述。公司向美国证券交易委员会提交的文件中讨论了其他因素，这些文件可在www.sec.gov上查阅。公司没有义务公开修改这些前瞻性陈述以反映本协议日期之后发生的事件或情况。

触点
MicroCloud全息公司
电子邮件：IR@mcvrar.com