分布式光子量子计算上的分布式量子神经网络

本研究提出了一种分布式量子-经典框架，结合了光子量子神经网络与矩阵积态映射，解决了经典神经网络的参数效率训练问题。通过混合量子-经典工作流，该框架在保持较高分类精度的同时显著降低了参数数量，并展示了在近实时硬件条件下的鲁棒性。这项工作为分布式量子机器学习提供了可行路径，展示了光子计算的可扩展性与经典神经网络的可部署性。

本研究提出了一种分布式量子-经典框架，结合光子量子神经网络与矩阵积态映射，解决了经典神经网络的参数效率问题，显著减少了参数数量，同时保持了高分类精度，展示了光子计算的可扩展性。