MicroCloud Hologram Inc. (NASDAQ: HOLO) a progressé de 4,51% à $1.6199 lors des échanges de jeudi matin après l’annonce par la société du développement d’un Deep Spiking Quantum Neural Network, baptisé DSQ-Net, conçu spécifiquement pour la classification d’images bruitées. Cette technologie marque une étape délibérée vers l’intégration de l’informatique quantique et de l’ingénierie neuromorphique — deux domaines qui se sont largement développés séparément, avec de grands acteurs comme IBM, Google et Intel menant des programmes de recherche distincts sur l’informatique quantique et l’informatique inspirée du cerveau.

Architecture DSQ-Net

MicroCloud Hologram a développé DSQ-Net en s’appuyant sur des années de recherche et d’ingénierie accumulées en algorithmes quantiques. Le système introduit un circuit quantique variationnel comme mécanisme auxiliaire central d’entraînement — une rupture notable avec les approches antérieures qui utilisaient les circuits quantiques uniquement pour la mise en correspondance de caractéristiques.

L’architecture intègre directement des circuits quantiques dans les processus d’entraînement des réseaux neuronaux à impulsions. Les réseaux neuronaux à impulsions, qui traitent l’information à l’aide de pulses temporels discrets, modélisés de façon approximative sur les neurones biologiques, ont historiquement été difficiles à entraîner avec des méthodes standard fondées sur le gradient, car leurs événements de décharge discrets ne sont pas différentiables. Selon les ingénieurs de l’entreprise, cette conception s’attaque directement aux événements de décharge non différentiables et à la dynamique neuronale aléatoire, rétablissant la capacité d’entraînement des réseaux à impulsions au niveau du système.

Les images d’entrée passent d’abord par un module de prétraitement classique qui convertit les données de pixels en séquences d’impulsions spatio-temporelles. Dans ce cadre, le bruit devient une partie du signal temporel plutôt qu’une simple interférence.

La couche quantique améliore la précision sous le bruit

Le réseau à impulsions profond de MicroCloud Hologram Inc. (NASDAQ: HOLO) extrait des caractéristiques spatio-temporelles de haut niveau à partir des données encodées. Les statistiques intermédiaires des impulsions sont mappées vers des états de qubits via une technique appelée amplitude encoding. Cette méthode d’encodage permet de transporter efficacement des structures d’impulsions complexes en utilisant globalement moins de qubits.

Un circuit quantique variationnel paramétré fait ensuite évoluer davantage l’état quantique encodé. Plusieurs portes quantiques réglables s’actualisent aux côtés de l’optimiseur classique tout au long de l’entraînement. Les résultats des mesures quantiques guident ensuite les ajustements des poids du réseau classique.

Les tests ont montré que DSQ-Net maintenait une précision de classification supérieure à 90% sur des images bruitées inédites. Le modèle a surpassé des réseaux neuronaux à impulsions classiques de taille comparable lors d’essais directs. Selon les ingénieurs, ses performances se dégradaient également plus lentement à mesure que le niveau de bruit augmentait.

MicroCloud Hologram Inc. vise des applications plus larges dans le monde réel

HOLO a validé le modèle à l’aide d’un simulateur quantique haute fidélité plutôt qu’avec du matériel physique. Ce choix a permis d’assurer des résultats reproductibles alors que la technologie du matériel quantique reste largement immature. Les chercheurs ont construit plusieurs jeux de données présentant différents types et intensités de bruit afin de procéder à des tests approfondis.

Les usages potentiels couvrent l’inspection industrielle, la perception du trafic et les dispositifs edge computing à ressources limitées. Les réseaux neuronaux à impulsions offrent un traitement à faible consommation et piloté par les événements, bien adapté à ce type de systèmes. Le parallélisme quantique pourrait encore réduire la complexité computationnelle globale à mesure que le matériel continue de mûrir.

Cette avancée fait également progresser l’apprentissage automatique quantique au-delà de simples gains théoriques de vitesse. Elle s’attaque directement à des problèmes concrets tels que le bruit, l’incertitude et les dynamiques non différentiables. MicroCloud Hologram Inc. positionne désormais DSQ-Net comme un pont reliant les domaines de l’informatique quantique et de l’informatique neuromorphique.

L’article MicroCloud Hologram Inc. (HOLO) Stock: Jumps as Company Unveils Quantum-Powered Neural Network for Noisy Image Classification est apparu en premier sur Blockonomi .