中国科大用钙离子五个能级造出高维量子神经元，分类准确率95.7%

中国科学技术大学自旋磁共振实验室李兆凯、林毅恒联合团队在量子机器学习实验领域取得突破，首次在实验中实现了基于高维量子神经元的量子神经网络，标志着这一新型量子智能架构由理论构想迈入实际任务的实验阶段。相关成果在线发表于《国家科学评论》。

量子神经网络将量子计算与机器学习相结合，具有完成经典方法难以高效完成的任务的潜力。但当前方案通常以二能级量子比特构建神经元，依靠增加量子比特数量扩大计算空间。这使网络扩展需要对更多物理载体进行协同操作，增加了量子操作的复杂度，也更容易因误差累积导致计算错误。

研究团队转而从单个物理载体内部寻找空间。量子计算载体通常具有多个可利用的能级，常规二能级编码只使用其中一部分；将更多能级纳入量子神经元，可以在保持物理载体数量不变的条件下，增加用于表示和处理信息的维度。据此，团队构建了面向多能级量子神经元的量子—经典协同训练框架。

利用钙离子的五个能级，团队构建了多能级量子处理器，实验实现了高维量子神经网络。在服饰图像数据集分类任务中，该网络在包含395个样本的测试集上取得95.7%的实验分类准确率。训练前两类图像在输出空间相互交叠，训练后主要分布在分类边界两侧。

研究表明，量子系统中额外的量子能级不仅可扩大状态空间，还能转化为可操控、可训练并直接参与机器学习任务的计算资源。团队通过调控单个粒子的内部多能级自由度，在不增加物理粒子数的情况下拓展了模型容量。

论文题为《Quantum neural network equipped with backpropagation on a qudit processor》，我校博士生袁一博、徐卓越为共同第一作者。研究得到科技部、国家自然科学基金委、中国科学院等项目支持。