研究了量子 - 经典混合的架构需求和运行性能基准测试的框架，并针对最有前途的近期量子硬件应用，即变分混合算法，提出两个云平台级别的优化方法 —— 参数编译和主动量子比特重置；最后，展示了将这两个功能集成到 Rigetti Quantum Cloud Services 平台中会显著提高 VHA 算法运行时间的延迟。

Jan, 2020

利用一种创新的分布感知型的 QCQ 架构，将量子硬件和经典计算资源相结合，实现高性能计算，解决材料和凝聚态物理的量子模拟挑战，通过整合量子软件框架、高性能计算资源、量子算法和机器学习，该架构能够在分布式计算环境中有效进行量子状态准备、量子状态分类及量子模拟任务，实现量子 - 高性能计算的可扩展性，加速复杂相变分类任务并提供准确的相变预测。

Mar, 2024

该论文提出，在量子计算机在 HPC 生态系统中扮演加速器的路线图中，为解决真实世界的问题，我们需要发展便携、架构无关的量子 - 经典混合框架，并为社区检测问题展示了基于量子退火和基于门的通用量子计算范式的一个应用。

Oct, 2018

本文主要探讨了高性能计算、人工智能 / 机器学习和量子计算以及通信对于计算机科学研究领域的创新和影响，并指出在支持计算机科学研究方面需要更全面的计算基础设施，包括商业云计算和量子计算等新的计算方法。

Dec, 2020

本文旨在从通信工程的角度出发，提供分布式量子计算生态系统的概述。通过逐层分析，我们解决了其中的主要挑战和潜在问题，并提出了一个路线图。

Feb, 2020

研究探索边缘计算在将量子机器学习整合到分布式计算连续体中的应用，识别主要挑战及可能的解决方案，并在物联网场景中展示了量子机器学习分析的初步结果。

Feb, 2024

论文探讨了基于离散变量模型和基于连续变量模型的超导量子处理器和线性光学（光子学）量子处理器的量子计算，其中 CV 模型提供了不同于离散变量模型的更多量子门，同时提供了控制量子电路输出向量长度、使用不同测量方法以及截止维度的额外灵活性。

Jun, 2022

通过将特征分布在多个小型量子神经网络并利用其期望值的集成生成预测，我们的研究表明分布式量子神经网络是与近期量子设备兼容的实用量子机器学习算法的有希望的方向，其不仅对大型数据集实现高准确率的预测，而且还降低了每个量子神经网络的硬件需求。

Dec, 2023

云处理、边缘处理、内存计算、网络压缩技术、量化神经网络是本研究的主要关键词。本文提供了内存计算量化神经网络的全面回顾，并将软件量化方法与内存计算硬件实现相结合。此外，还提供了挑战、设计要求、建议以及基于内存计算量化神经网络的硬件发展路线图。

Jul, 2023

本文提出了一种混合量子 - 经典卷积神经网络框架（QCCNN），它结合了卷积神经网络的重要特征以及量子计算特有的优势，适用于当前嘈杂的中尺度量子计算机，并通过 Tetris 数据集的分类任务证明了其优越性能。

Nov, 2019