Q-RUN：量子启发的数据重上传网络

本文介绍了一种名为Q-RUN的新型经典神经网络架构，其灵感来源于数据重上传量子电路（DRQC）。它通过将DRQC的数学原理转化为经典模型，解决了量子硬件的可扩展性限制。Q-RUN的关键优势在于它能够在不需要量子硬件的情况下，保留量子模型的傅里叶表达能力。实验结果表明，在数据和预测建模任务中，与传统的神经网络层相比，模型参数减少，误差降低，性能显著提高。Q-RUN作为全连接层的直接替代品的能力使其成为增强各种神经架构的多功能工具，展示了量子机器学习原理在指导更具表现力的人工智能设计方面的潜力。

• •Q-RUN是一种受量子数据重上传电路启发的经典神经网络。
• •它克服了量子硬件的可扩展性限制，同时保留了傅里叶表达能力。
• •与传统方法相比，Q-RUN在数据和预测建模任务中表现出卓越的性能。