来源：WIMI
由于量子比特的独特特性，量子计算机系统通过叠加n个量子比特，就可以提供2^n的计算空间。这一特点使它在因式分解、分子模拟和人工智能等领域具有解决大规模问题的显著优势。
量子纠错，切肤之痛
然而，当前的量子器件仍处于噪声中尺度量子技术（NISQ）阶段，量子电路操作过程中的噪声、热力学干扰和其他外部环境干扰通常会导致量子比特错误。与传统计算中的错误相比，量子计算产生的错误更复杂且更难纠正，并且其风险会在整个量子电路中传播。
主流的量子纠错方法如表面码技术通常需要额外的量子比特来存储冗余信息或使用复杂的量子纠错码来修复错误。但是，这些方法不仅消耗大量的物理量子比特资源，而且对当前NISQ器件的量子比特保真度和能力提出了更高的要求。
在此背景下，WiMi的MLQES（基于机器学习的量子错误抑制）技术提供了一个新的方向——仅依靠经典控制和混合计算方法来有效减少量子错误，同时这种方法无需额外的量子资源。
WiMi技术，创新驱动
WiMi的这项基于机器学习的量子差错抑制技术（MLQES），其核心思想是使用机器学习模型预测量子电路中的潜在错误，通过动态调整电路结构，从而最大限度地减少错误对最终计算结果的影响。
来源：谷歌
一旦机器学习模型预测到量子电路中的误差值超过预定阈值，WiMi的MLQES系统就会触发电路分割机制。这是MLQES的创新：WiMi为了防止整个电路在高误差条件下运行，MLQES采用受误差影响的碎裂策略，将一个大型量子电路拆分为两个或多个较小的子电路。这种分段策略确保在每个子电路中，误差被控制在可接受的范围内。随后MLQES不断迭代分割过程，直到每个子电路的误差预测低于设定的阈值。
分段的子电路可以在量子设备上独立运行。由于子电路的规模较小，量子比特之间的纠缠和交互变得更容易控制，量子运算中的噪声干扰因此减少。一旦每个子电路完成执行，其输出就会被发送到经典计算机进行进一步处理。
在经典计算机上，MLQES使用经典重建算法，将多个子电路的结果组合到完整量子电路的输出中。这种重建过程不依赖于额外的量子运算，而是利用经典计算的强大处理能力来补偿量子计算的局限性。
通过上述一系列操作，MLQES不仅解决了量子误差问题，还为量子计算的未来提供了一个可扩展的计算框架。该技术结合了量子计算机和经典计算机的优势，利用经典计算强大的处理能力来控制量子电路的执行。经典计算和量子计算的这种融合为未来NISQ设备的进一步应用开辟了可能性，尤其是在量子比特数量有限但需要高精度计算的情况下。MLQES减少了量子计算中对量子纠错码和冗余量子比特的依赖，同时显著提高了量子计算的整体效率。
WiMi MLQES技术的推出标志着量子计算技术的革新。在NISQ器件尚未完全成熟的阶段，有效减少量子计算误差的能力意味着可以落地更多应用场景。无论是在量子化学、优化问题，还是密码学方面，减少错误都会大大提升量子计算的可行性和效率。
消息公布，股价大涨
自消息发布后，纳斯达克上市的微美全息股价攀升至近半年来的最高点，高达到1.2美元。
来源：谷歌
如图所示，微美全息的股票在近期表现出显著的增长趋势，根据6个月内的图表显示，截至2024年12月27日，股票收盘价为1.29美元，较前一交易日上涨了0.41美元，涨幅达到46.59%。这一显著的涨幅在过去六个月中显得尤为突出，表明该公司的股票在这段时间内经历了显著的增值。
从图表的折线图可以看出，微美全息的股价在2024年8月至12月期间经历了波动。在8月和9月期间，股价有几次明显的波动，但总体上保持在0.8美元至1.0美元之间。进入10月后，股价出现了一次显著的上涨，但随后又回落至0.8美元左右。然而，从11月开始，股价开始稳步上升，并在12月23日达到1.20美元的高点。12月27日的开盘前价格为1.58美元，较前一交易日上涨了0.29美元，涨幅为22.48%。这一开盘前的表现预示着当天的交易可能会继续呈现积极态势。整体来看，微美全息的股价在过去六个月中呈现出上升趋势，尤其是在12月，股价的增长尤为显著。
关于WiMi
WiMi是全息云综合技术解决方案提供商，专注于全息AR汽车HUD软件、3D全息脉冲激光雷达、头戴式光场全息设备、全息半导体、全息云软件、全息汽车导航等专业领域。WiMi服务及全息AR技术包括全息AR汽车应用、3D全息脉冲LiDAR技术、全息视觉半导体技术、全息软件开发、全息AR广告技术、全息AR娱乐技术、全息ARSDK支付、交互式全息通信和其他全息AR技术。
[1]https://www.prnewswire.com/news-releases/wimi-develops-quantum-error-mitigation-technology-based-on-machine-learning-302338319.html
[2]https://openreview.net/pdf?id=xYbECDx0JF