引言：人工神经网络因为其大规模并行处理、容错性、自组织和自适应能力和联想功能等特色，已成为解决许多问题的有力工具，对突破现有科学技术的瓶颈，更深刻的探索非线性等复杂现象起到了重要的做用，普遍应用于众多科学领]。然而，随着问题的复杂程度提升，网络结构相对单一的传统神经网络模型表现出了种种缺限和不足，例如固有的学习速度慢、灾变性失忆、硬件实现难度大等等，必定程度上制约了它的应用。算法
量子神经网络的概念出现于上个世纪 90 年代后期，一经提出后便引发了不一样领域的科学家的关注，人们在这个崭新的领域进行了不一样方向的探索，提出了不少想法和初步的模型，充分体现了量子神经网络研究的巨大潜力。主要研究方向能够归纳为：微信
① 量子神经网络采用神经网络的链接思想来构造量子计算机，经过神经网络模型来研究量子计算中的问题；网络
② 量子神经网络在量子计算机或量子器件的基础上构造神经网络，充分利用量子计算超高速、超并行、指数级容量的特色，来改进神经网络的结构和性能；函数
③ 量子神经网络做为一种混合的智能优化算法在传统的计算机上的实现，经过引入量子理论中的思想对传统神经网络改进，利用量子理论中的概念、方法(如态叠加、“多宇宙”观点等)，创建新的网络模型；改善传统神经网络的结构和性能；工具
④ 基于脑科学、认知科学的研究。性能
以上不一样的研究方向之间并无明显的界限，它们之间是紧密联系相互交叉的。目前国际上对于量子神经网络的研究才刚刚开始，对它还无确切定义。学习
其中美国的 Kak 是最先提出量子神经网络的学者之一，经过对认知和意识的研究将量子理论引入到人工智能领域，认为神经元的信息处理应该是有量子特性，并在随后的研究中，从大脑意识的角度对量子神经网络进行研究；优化
美国的物理学家 Berhman 等人在量子神经网络方面作了大量的工做，他们在量子点分子模型上构造了时间和空间的量子神经网络，经过神经网络调节量子器件的各个物理参数，影响微观粒子的量子态，改变波函数，使其最终演变到须要的量子态；ui
美国的 Dan 博士在攻读博士期间发表了一系列量子神经网络的文章，研究了量子计算的学习问题提出了量子联想存储的算法，相对传统的存储方法，量子联想存储有指数级的存储容量；人工智能
英国的 Tammy 等人也研究了量子神经网络的结构和模型，从多宇宙的量子力学观点出发，提出了构建叠加的多宇宙量子神经网络模型的思想；
巴西的华人 Li Weigang 提出了纠缠的量子神经网络（ Entanglement Neural Network），采用了量子的隐形传态；
俄罗斯 A.A.Ezhov 等[37]进行了基于光学元器件的量子神经网络的研究，采用光学元件构成神经网络；
日本的 Matsui 等人在 2000 年提出了用量子态做为神经元的状态，在传统神经网络拓扑结构的基础上，采用了基于量子比特的信息表示方式和处理方式；
N.B.Karayiannis等人 1997 年提出了基于多层激励函数的量子神经网络。三层的网络结构中，隐层量子神经元的激励函数采用多个传统激励函数的叠加，使网络有了一种固有的模糊性，并引发了模糊识别领域研究者的注意，在气象预测、手写字识别、语音识别等方面获得了成功的应用。
本文分享自微信公众号 - AI MOOC人工智能平台（AIMOOC_XLAB）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。