量子神经网络设计与性质研究

课题背景： 量子神经网络（QNN）是量子计算与机器学习两个前沿领域的交叉产物，在近期NISQ时代及远期量子AI中都发挥着至关重要的作用。对于大量经典计算难以解决的问题，如分子模拟、组合优化、机器学习等方向，QNN具有量子加速的潜力。深入探索QNN的性质有利于发现新的量子算法，以及量子算法在近期量子设备上实现，从而加速量子算法落地。研究成果将助力优化QNN的架构设计与训练策略，推动QNN从“理论潜力”向“实用价值”的实质性跨越，对实现可实用量子算法具有重要的理论意义与现实推动作用。 课题挑战： 当前对量子神经网络的研究仍缺乏体系化的数学工具支撑，其性质与行为受到量子纠缠、噪声、电路结构等多重因素的复杂影响。 具体工作： 本课题旨在结合严格的数学理论及不断发展的强大AI工具，观察QNN训练中的规律，以及刻画QNN性质与行为机理。

1. 01

   包含但不限于计算机、量子信息、物理学、人工智能、自动化、数学、统计学等专业的博士和优秀硕士；

2. 02

   在量子算法及机器学习方向具有强烈的研究和实践兴趣和经验。