量子科技中心_量科网

鸿海研究院量子计算研究所与美国乔治亚理工大学和台湾大学合作，最近在量子机器学习领域取得一项重大突破，他们提出了一种名为量子参数适应（QPA）的全新方法，成功将量子计算与经典深度学习结合，并提升了参数高效微调（PEFT）在大语言模型上的应用能力。通过量子神经网络在训练阶段产生经典模型的权重参数，可在不牺牲模型性能的前提下，大幅降低所需调整的参数数量。实验结果显示，QPA相较于传统方法，能有效减少参数需求，同时保持甚至提升文本生成性能。