11月1日，中国科学技术大学传出一项量子计算领域的实验进展：由该校自旋磁共振实验室李兆凯、林毅恒带领的联合团队，首次在实验中搭建起基于高维量子神经元的量子神经网络，标志着这一新型量子智能架构从理论设想走向了真实任务的验证。

量子神经网络将量子计算与机器学习融为一体，有望完成经典手段难以高效处理的任务。不过，以往的做法多依赖二能级量子比特充当神经元，想要扩展网络规模，就得不断增加量子比特的数量。这种方式既要对更多物理载体做协同操控，又容易因误差累积影响计算可靠性，在当下含噪声的中等规模量子设备上尤为受限。

如何在不增加物理载体的前提下获得更强的信息处理能力？研究团队把目光投向单个载体内部。量子计算载体通常拥有多个可利用的能级，而常规编码往往只用其中一部分。把更多能级纳入神经元，就能在载体数量不变的情况下，扩充可用于表示和处理的维度。

顺着这一思路，团队设计了面向多能级量子神经元的“量子—经典”协同训练框架，配合简洁的系统操控与低复杂度读出，既拓展了神经元的计算空间，又抑制了操作误差的累积，为挖掘小规模量子系统的潜力提供了实验路径。

在具体实验中，研究人员利用钙离子的五个能级构造出多能级量子处理器，完成了高维量子神经网络的构建。在一项服饰图像分类任务里，该网络面对包含395个样本的测试集，取得了95.7%的实验分类准确率。

这项研究表明，量子系统里额外的能级不仅能扩大状态空间，还可以转化为可操控、可训练、能直接参与机器学习任务的计算资源。通过调控单个粒子的内部多能级自由度，团队在不增加粒子数的条件下提升了模型容量，为突破量子人工智能规模化发展的硬件瓶颈打开了新思路。

（本文综合安徽网·大皖新闻相关报道整理）