WiMi Hologram Cloud Inc. zažila výrazný růst akcií o 11,3 % v pondělí po oznámení o uvedení na trh nové technologie nazvané Quantum Convolutional Neural Network for Multi-Channel Supervised Learning (MC-QCNN). Tato technologie představuje významný pokrok v oblasti zpracování multi-kanálových dat.
Nový kvantový algoritmus je navržen tak, aby efektivně zpracovával data v aplikacích jako je klasifikace obrázků, lékařské zobrazování, analýza videa a multimodální monitorování. Na rozdíl od tradičních přístupů využívá inovativní architekturu, která zahrnuje jednotková rotační brány a parametrizované řízení brány, což zajišťuje robustnost proti kvantové dekoherenci.
Technologie MC-QCNN je schopna kódovat a komprimovat data z více kanálů do kvantových stavů a provádět zpracování podobné konvoluci prostřednictvím parametrizovaných kvantových bran. Podle společnosti WiMi tato technologie umožňuje systému rozpoznat tzv. vlastnosti vyššího řádu, jako jsou korelace mezi texturou a barvou.
Společnost rovněž vyvinula hybridní kvantově-klassickou tréninkovou strukturu, kde klasické výpočetní techniky zpracovávají výpočty ztrátové funkce, zatímco kvantová složka řídí proces dopředného šíření a evoluci kvantového stavu. Tento přístup může představovat významný krok směrem k praktickým aplikacím kvantových neuronových sítí a potenciálním komerčním využitím, jak se výkon kvantového hardware zlepšuje.
Chcete využít této příležitosti?
Odborníci označují tuto technologii za zásadní krok v posunu kvantové AI z laboratorního výzkumu k technologiím, které mají reálné komerční aplikace. Čas ukáže, jaké dopady bude mít tento průlom na odvětví a jak se promění využití kvantových technologií v praxi.
WiMi Hologram Cloud Inc. zažila výrazný růst akcií o 11,3 % v pondělí po oznámení o uvedení na trh nové technologie nazvané Quantum Convolutional Neural Network for Multi-Channel Supervised Learning . Tato technologie představuje významný pokrok v oblasti zpracování multi-kanálových dat.
Nový kvantový algoritmus je navržen tak, aby efektivně zpracovával data v aplikacích jako je klasifikace obrázků, lékařské zobrazování, analýza videa a multimodální monitorování. Na rozdíl od tradičních přístupů využívá inovativní architekturu, která zahrnuje jednotková rotační brány a parametrizované řízení brány, což zajišťuje robustnost proti kvantové dekoherenci.
Technologie MC-QCNN je schopna kódovat a komprimovat data z více kanálů do kvantových stavů a provádět zpracování podobné konvoluci prostřednictvím parametrizovaných kvantových bran. Podle společnosti WiMi tato technologie umožňuje systému rozpoznat tzv. vlastnosti vyššího řádu, jako jsou korelace mezi texturou a barvou.
Společnost rovněž vyvinula hybridní kvantově-klassickou tréninkovou strukturu, kde klasické výpočetní techniky zpracovávají výpočty ztrátové funkce, zatímco kvantová složka řídí proces dopředného šíření a evoluci kvantového stavu. Tento přístup může představovat významný krok směrem k praktickým aplikacím kvantových neuronových sítí a potenciálním komerčním využitím, jak se výkon kvantového hardware zlepšuje.Chcete využít této příležitosti?
Odborníci označují tuto technologii za zásadní krok v posunu kvantové AI z laboratorního výzkumu k technologiím, které mají reálné komerční aplikace. Čas ukáže, jaké dopady bude mít tento průlom na odvětví a jak se promění využití kvantových technologií v praxi.
