Nov, 2023

量子神经网络用于电力流分析

PDF
TL;DR探索量子和混合量子 - 经典神经网络在电力流分析中的潜在应用。使用基于 IEEE 4-bus 和 33-bus 测试系统的两个小型数据集进行实验，并对量子、混合量子 - 经典和经典神经网络进行系统性能比较。结果表明，开发的混合量子 - 经典神经网络优于量子和经典神经网络，因此可以改善基于深度学习的电力流分析在噪声中等规模的量子 (NISQ) 时代。
quantumhybrid quantum-classical neural networkspower flow analysisgeneralization abilitynoisy-intermediate-scale quantum (nisq) era
发现论文，激发创造
  • 量子与经典神经网络模型在图像分类任务中的比较

    研究了用于手写数字 MNIST 数据集分类问题的混合量子 - 经典神经网络的性能，结果表明虽然模拟时间较长，但是该模型优于传统网络，达到更好的收敛性和高的训练和测试精度。

    Aug, 2021

  • 量子神经网络解决电力系统暂态仿真问题

    本研究旨在应用量子计算技术解决电力系统仿真问题，通过引入两种新型量子神经网络（Sinusoidal-Friendly QNN 和 Polynomial-Friendly QNN）来优化解决微分代数方程的传统模拟技术，并成功地在两个小型电力系统中应用这些量子神经网络进行仿真，表明其在精度上具有潜力，且进一步研究了各种配置来优化量子神经网络解决微分代数方程的效果，这不仅是量子计算在电力系统模拟中的首次尝试，还拓展了量子技术在解决复杂工程问题上的潜力。

    May, 2024

  • 利用并联混合网络预测发电厂的蒸汽质量流量

    本研究利用一种并行混合神经网络架构，在工业环境中设计的，结合参数化量子电路和传统前馈神经网络的时间序列预测，以提高对未来 15 分钟的蒸汽质量流量预测。我们的结果表明，并行混合模型在训练后在测试集上的均方误差损失低于纯经典模型和纯量子模型的 5.7 倍和 4.9 倍，并且在测试集上，混合模型与真实情况的相对误差更小，比纯经典模型好 2 倍。这些发现有助于更广泛地了解如何将量子和经典机器学习技术整合到能源领域所面临的实际挑战中，最终优化发电厂的运营。

    Jul, 2023

  • 混合经典 - 量子神经网络中的迁移学习

    本文为机器学习算法中广泛应用的迁移学习的概念扩展到了由经典和量子元素组成的混合神经网络的新兴领域，提出了不同实现混合迁移学习的方法，并重点关注了现代量子技术下，经典网络的预处理和优化加上量子算法处理的优秀组合，提供了图像识别和量子态分类等方面的几个案例，利用 PennyLane 软件库在 IBM 和 Rigetti 提供的两种不同的量子计算机上进行了测试。

    Dec, 2019

  • 高效优化和可解释的量子神经网络

    我们提出一种基于费米模型的量子神经网络，其物理特性作为输出，并建立了与反向传播相媲美的高效优化，在具有挑战性的经典机器学习基准上具有竞争力的准确度，并且在量子系统上实现高精度且不需要预处理的机器学习，此外研究结果可用于量子纠缠分析和可解释的机器学习。

    Nov, 2022

  • 量子神经网络用于量子神经计算

    本研究提出了一种新的量子神经网络模型，使用实际存在的环境诱导的退相干的量子系统上的 (经典控制的) 单量子比特操作和测量，从而极大地降低了物理实现的难度。该模型在手写数字识别和其他非线性分类任务中具有优异的非线性分类能力和对噪声的鲁棒性。

    May, 2023

  • 量子机器学习用于图像分类

    本研究提出了两种混合量子 - 经典模型：具有平行量子层的神经网络和具有量子卷积层的神经网络，它们解决了图像分类问题。其中我们提出的混合量子方法在 MNIST 数据集上展现了超过 99% 的准确率。这表明将量子效应应用于传统经典模型可以进一步提高图像识别和分类的能力，并为医疗保健、安全和市场营销等各个领域提供有前途的方法。

    Apr, 2023

  • 量子神经网络的威力

    本文使用信息几何工具，定义了量子和经典神经网络的表达能力，将有效维度作为证明表达能力的新广义边界，并建立了一个强大的表达能力度量。我们展示了量子神经网络能够比相似的经典神经网络实现更好的有效维度，并因其更均匀分布的 Fisher 信息谱而显示了对枯燥的高原问题具有适应性并具有快速的训练能力。我们的工作是第一个通过更高的有效维度和更快的训练能力证明精心设计的量子神经网络优于经典神经网络的，并在实际量子硬件上进行了验证。

    Oct, 2020

  • 基于量子计算的神经网络基准测试

    研究利用机器学习技术开发量子计算算法的一种新思路，通过对比标准实值和复值经典神经网络与量子神经网络性能的实验表明，量子神经网络能够用更少的反向传播次数和更小的网络模型获得相媲美甚至更好的结果。

    Jul, 2018

  • 量子功率流：从理论到实践

    本文介绍了量子计算在智能电网问题中的应用，特别是 HHL 算法用于高效求解稀疏矩阵问题，并讨论了实现该算法所需的量子噪声、QRAM 实现和量子电路深度等问题。通过最新的硬件和软件算法的基准测试，以及使用基于变分量子电路的近期算法计算 6 个量子比特的截断版功率流。

    Nov, 2022