WiMi schlägt ein Quanten-KI-System vor, das auf Drei-Qubit-Interaktionen basiert, und plant Tests auf echten Geräten

PEKING, 21. Aug. 2026 /PRNewswire/ -- WiMi Hologram Cloud Inc. (NASDAQ: WiMi) ("WiMi" oder das "Unternehmen"), ein führender globaler Anbieter von Hologramm-Augmented-Reality-Technologie ("AR"), schlägt eine hochmoderne Quanten-Maschinelles-Lernen-Technologie vor, die auf klassische Datenklassifizierungsaufgaben ausgerichtet ist – ein quanten-faltungsvolles neuronales Netzwerk mit Interaktionsschichten für die klassische Datenklassifizierung. Diese Technologie verbessert systematisch die Gesamtleistung von quanten-faltungsvollen neuronalen Netzwerken in Bezug auf Ausdruckskraft, Verschränkungserzeugungsfähigkeit und tatsächliche Klassifizierungsleistung durch die Einführung einer neuartigen Interaktionsschichtstruktur auf der Grundlage von Drei-Qubit-Interaktionen und markiert damit einen wichtigen Schritt vorwärts beim strukturellen Design von Quanten-Deep-Learning-Modellen hin zu einer neuen Phase, die durch Multi-Körper-Interaktionen angetrieben wird.

Aus der Perspektive der technischen Implementierungslogik übernimmt dieses Quanten-Faltungsnetzwerk ein hybrides Quanten-Klassik-Architekturdesign. Zuerst werden klassische Daten durch eine effiziente Datencodierungsstrategie in den Quantenzustandsraum abgebildet, wodurch sichergestellt wird, dass so viele diskriminative Informationen aus den Originaldaten wie möglich unter begrenzten Qubit-Ressourcen erhalten bleiben. Für Bilddaten verwendet das Netzwerk Blockpartitionierungs- und lokale Abbildungsansätze, um Pixelinformationen in entsprechende Quantensubsysteme einzubetten; für eindimensionale Daten wird eine Kombination aus strukturierter Amplitudencodierung und Winkelcodierung verwendet, um eine kompakte Darstellung der Datenmerkmale zu erreichen. Nach Abschluss der Datencodierung wird der Quantenzustand in das Quantenmerkmals-Extraktionsmodul eingespeist, das aus mehreren Schichten von Quanten-Faltungseinheiten und Interaktionsschichten besteht.