本小组成员徐敏哲同学的学术论文《Quantum Pulse Coupled Neural Network》被国际知名期刊《Neural Networks》接收并发表！

近年人工神经网络已经有了广泛的发展。但传统神经网络往往需要大量的运算，难以执行低成本学习。而量子计算在并行计算中具有显著的优势，因此，将量子计算与神经网络相结合能够有效的解决这个问题。近年，已经有多种量子神经网络(Quantum neural network, QNN)被竞相提出，但适合用于图像处理的QNN还未见。作为猫视觉皮层的生物启发神经网络，脉冲耦合神经网络(Pulse coupled neural network, PCNN)在图像处理领域有着广泛的应用，在图像分割、增强、融合等方面具有优异的性能。将量子计算与其结合能够在保持输出效果的同时显著降低其复杂度，但如何在量子环境下进行PCNN的运算是一个难题。

本文首次将量子计算与PCNN相结合，构建了PCNN在量子计算机上运行的方法，提出了一种适合用于图像处理的QNN模型，量子脉冲耦合神经网络(Quantum pulse coupled neural network, QPCNN)。QPCNN使用量子电路完成运算，模型中使用了量子全加器、量子乘法器、量子图像卷积模块和量子比较器等，这些模块由基础量子逻辑门构建而成，结构如下图所示。

QPCNN可以实现PCNN的各种功能，以图像分割为例，QPCNN相比于PCNN在完成相同工作的基础上，算法复杂度具有显著下降，结果如下图所示。

原文链接：https://doi.org/10.1016/j.neunet.2022.04.007

( 发布日期: 2022-05-04 )