WiMi 研究混合量子-經典卷積神經網絡模型

(SeaPRwire) –   北京，2025年10月23日 — 北京，2025年10月23日––WiMi Hologram Cloud Inc. (NASDAQ: WiMi) (簡稱「WiMi」或「該公司」)，一家全球領先的全息擴增實境（「AR」）技術提供商，今日宣佈他們正積極探索一種淺層混合量子經典卷積神經網絡（SHQCNN）模型，為圖像分類領域帶來創新突破。
變分量子方法作為量子計算領域的一種重要技術手段，透過將量子態的優化問題轉化為經典優化問題，為量子算法的設計和實現提供了有效的途徑。WiMi在SHQCNN模型中採用了增強型變分量子方法，為該模型在圖像分類任務中的高效運行奠定了堅實基礎。增強型變分量子方法在傳統方法的基礎上進行了多方面的優化。首先，在量子態表示方面，透過引入更複雜的量子門組合和參數化形式，它能更精確地描述圖像數據的量子特徵。其次，在優化算法方面，採用了先進的自適應優化策略，能夠在訓練過程中根據實時反饋動態調整優化參數，加速收斂速度並提高模型的訓練效率。這種增強型變分量子方法使得SHQCNN模型在處理圖像分類任務時，能夠充分利用量子計算的優勢，同時避免了傳統QNN中增加層數所帶來的複雜性問題。
在圖像分類任務中，輸入數據的品質和可區分性直接影響模型的性能。SHQCNN模型在輸入層採用了核編碼方法；這種方法就像一把精密的鑰匙，提升了數據區分和處理的效率。核編碼方法的核心思想是透過非線性映射，將原始圖像數據從低維空間映射到高維特徵空間，使得在低維空間難以區分的圖像數據在高維空間中更容易分離。透過核編碼方法，SHQCNN模型優化了輸入階段的數據處理，為後續隱藏層和輸出層的計算提供了高質量的輸入，從而提升了整個模型的分類準確性。
而隱藏層作為神經網絡的核心部分，承擔著輸入數據特徵提取和轉換的重要任務。在傳統的QNN中，隨著層數的增加，隱藏層的計算複雜度急劇上升，導致訓練過程變得異常困難。SHQCNN模型在隱藏層設計了變分量子電路，巧妙地解決了這個問題。變分量子電路由一系列量子門組成，能夠對輸入的量子態進行特定的變換。與傳統深度神經網絡的隱藏層相比，變分量子電路具有更簡潔的結構和更低的計算複雜度。透過合理設計量子門的類型和排列順序，變分量子電路能夠在更少的層次內實現對圖像特徵的有效提取。同時，變分量子電路的參數可以透過經典優化算法進行訓練，使得模型能夠根據不同的圖像分類任務進行自適應優化，進一步提升模型的泛化能力。
輸出層作為神經網絡的最後一個模組，負責對隱藏層提取的特徵進行分類決策。SHQCNN模型在輸出層採用了迷你批次梯度下降算法；這項算法的創新應用為模型的參數訓練和學習速度帶來了顯著提升。迷你批次梯度下降算法是梯度下降算法的一種變體。在每次迭代中，它不是使用所有的訓練數據，而是從訓練集中隨機選擇一小批數據進行計算。與傳統的批次梯度下降算法相比，迷你批次梯度下降算法具有更快的計算速度和更好的收斂性。在SHQCNN模型中，透過更頻繁地執行權重更新，迷你批次梯度下降算法能夠及時調整模型的參數，使模型能夠更快地適應訓練數據的變化。
WiMi所研究的淺層混合量子經典卷積神經網絡模型（SHQCNN），透過整合應用增強型變分量子方法、核編碼方法、變分量子電路以及迷你批次梯度下降算法等一系列先進技術，在穩定性、準確性和泛化性方面具有顯著優勢，將為圖像分類領域帶來全新的解決方案。隨著量子計算技術的不斷發展和應用場景的持續拓展，SHQCNN模型將在更多領域展現其巨大的潛力。

關於 WiMi Hologram Cloud
WiMi Hologram Cloud Inc. (NASDAQ: WiMi) 專注於全息雲服務，主要集中在專業領域，如車載AR全息HUD、3D全息脈衝雷達、頭戴式光場全息設備、全息半導體、全息雲軟件、全息汽車導航、元宇宙全息AR/VR設備以及元宇宙全息雲軟件。它涵蓋了全息AR技術的多個方面，包括車載全息AR技術、3D全息脈衝雷達技術、全息視覺半導體技術、全息軟件開發、全息AR虛擬廣告技術、全息AR虛擬娛樂技術、全息ARSDK支付、互動全息虛擬通訊、元宇宙全息AR技術以及元宇宙虛擬雲服務。WiMi是一家全面的全息雲技術解決方案提供商。更多資訊請訪問 。
翻譯免責聲明
本公告的原始版本為官方授權且唯一具有法律約束力的版本。如果中文譯文與原始版本之間存在任何不一致或意義上的差異，應以原始版本為準。WiMi Hologram Cloud Inc. 及相關機構和個人對翻譯版本不作任何保證，並且不對因翻譯不準確而導致的任何直接或間接損失承擔任何責任。
投資者查詢，請聯繫：
WIMI Hologram Cloud Inc.
電子郵件：pr@wimiar.com

ICR, LLC
Robin Yang
電話：+1 (646) 975-9495
電子郵件：