微美全息(WiMi Hologram Cloud Inc.,WIMI)股价上涨3.03%:公司发布面向量子神经网络的三量子比特交互层
要点速览
- •微美全息推出了一种以三量子比特交互层为核心构建的量子卷积神经网络。
- •该公司表示,该设计旨在提升表达能力并生成更强的纠缠,同时保持较低的线路深度。
- •经典数据通过编码转换为量子态:图像采用分块处理,一维数据采用角度编码。
- •微美全息表示,在调整训练初始化策略后,该模型在二分类和多分类任务中均能稳定收敛。
- •该公司计划继续测试噪声鲁棒性与硬件兼容性,然后再向真实量子设备上的部署推进。

微美全息(WiMi Hologram Cloud Inc.,WIMI)股价在周四交易时段上涨3.03%,涨幅为0.04美元,收于1.37美元。此前该公司发布了一项以混合量子-经典模型为核心的量子计算新设计。微美全息表示,该技术直接面向经典数据分类任务;在量子机器学习设计披露后,该股在午间平稳交易中保持了涨幅。
量子神经网络突破
微美全息推出了一种以三量子比特交互层为核心构建的量子卷积神经网络。该设计旨在提升量子模型的表达能力与纠缠生成能力,公司研究人员称这一结构标志着向多体交互模型的转变。
新的交互层与网络中的标准卷积单元并存。这些组件协同工作,在从输入数据中提取特征的同时限制了线路深度与复杂度——微美全息表示,这种平衡使系统对硬件友好且具有实用性。这种权衡是量子机器学习的核心所在。量子机器学习是一个将量子线路应用于机器学习任务的研究领域:如今的量子处理器仍然是噪声大、量子比特数量有限的设备,因此只有在较浅线路深度下就能生成有效纠缠的设计,才有可能在现有硬件上运行。
据该公司研究人员介绍,三体交互显著扩展了可达量子态空间。这一扩展解决了早期量子神经网络中常见的表达能力局限,因此该模型能够高效捕捉更复杂的数据模式。至于此类改进能否转化为相对于经典神经网络在实际数据集上的优势,仍是整个领域悬而未决的研究问题。
技术设计
该架构采用混合量子-经典方法处理信息。经典数据首先通过编码策略映射为量子态:图像数据采用分块处理,一维数据则采用角度编码。据该公司介绍,这一编码步骤使经典信息能够在量子网络中表示和处理。
纠缠分析显示,三量子比特层在较浅的线路深度下即可生成强效、多尺度的纠缠。微美全息表示,这一能力有助于网络可靠地捕捉输入数据中的非线性关联,并在存在噪声时保持稳定性。
训练过程通过联合迭代,将经典优化器与量子线路参数相结合。工程师调整了初始化策略,以解决梯度消失和不稳定问题。该公司报告称,模型因此在二分类和多分类任务中均能稳定收敛。
公司背景与后续规划
微美全息是一家全球性全息增强现实技术提供商,近期已将研究范围扩展至量子计算应用,并在该领域发布了一系列研究公告。此次最新发布基于其更广泛的技术战略与路线图,内容描述的是研究阶段的工作:该公司将在真实量子设备上的部署定位为未来步骤,而非当前产品。
微美全息表示,计划将该模型扩展至更大规模的应用。未来目标包括更高维度的图像数据以及复杂时间序列分析,跨模态数据融合仍是进一步发展的关键方向。
该公司表示,未来将继续测试噪声鲁棒性与硬件兼容性。这些努力旨在推动该模型从理论走向在真实量子设备上的部署;微美全息称,这一进程将支撑其长期的量子计算布局。
本文首发于Blockonomi。