May, 2024

量子神经网络解决电力系统暂态仿真问题

PDF
TL;DR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。
quantum computingpower system simulationsdifferential algebraic equationsquantum neural networksengineering challenges
发现论文，激发创造
  • 量子神经网络用于电力流分析

    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。

    Nov, 2023

  • 追寻量子神经网络

    本文提出了一种系统方法，对量子神经网络的研究进行了综述和总结，旨在将量子计算与神经计算的突出特性相结合，但是目前为止并没有一个潜在的 QNN 模型能够完全利用量子物理和计算在神经网络中的优势，未来的发展方向可能是基于耗散量子计算的开放量子神经网络。

    Aug, 2014

  • 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

  • 走向物理上可实现的量子神经网络

    本文提出了一种基于带限傅里叶展开的量子感知器（QPs）转移函数的模型，用于设计可扩展的训练过程的量子神经网络（QNNs），并在其中添加了一种随机化的量子随机梯度下降技术，消除了样本复制的需要，并证明该训练过程期望收敛于真实最小值，这有助于提高数据效率和遵守禁止复制规则。

    Mar, 2022

  • 基于量子启发式张量神经网络求解偏微分方程

    本文介绍了如何通过 Tensor Neural Networks 来解决 Partial Differential Equations 的问题，实现了与 Deep Neural Network 同样精度的情况下更小的参数及更快的训练速度，并以 Black-Scholes-Barenblatt equation 模型为例进行了测试验证。

    Aug, 2022

  • 用人工神经网络研究二维量子多体动力学

    该研究讨论了利用人工神经网络编码量子多体波函数的方法，有效地模拟了二维空间中的量子物质的无平衡实时演化，并应用到横向场伊辛模型上，验证了该方法的准确性和可行性。

    Dec, 2019

  • 使用深度神经网络学习量子系统的潜力

    本论文探讨通过无监督学习将量子系统的哈密顿量近似重构，以实现神经网络对量子现象的认识及理解。

    Jun, 2020

  • 相干前馈量子神经网络

    我们提出了一种真正的量子神经网络模型，其与传统的呈适应性中间层和节点的前馈神经网络具有相同的灵活性，并且具有较低的电路深度和所需的 C-NOT 门数量，从而优于现有的量子神经网络模型。通过对基准数据集进行测试，我们证明了我们的方法的优越性能，并且使用更少的量子资源要求，为将量子神经网络应用于实际相关的机器学习问题铺平了道路。

    Feb, 2024

  • 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

  • 递归量子神经网络

    通过构建一个由参数化的量子神经元组成的量子循环神经网络（QRNN），将量子计算与循环神经网络相结合，并通过序列学习和整数数字分类等任务进行了演示性能证明。

    Jun, 2020