Page 40 - 鴻海研究院2023年年鑑

Hon Hai Research Institute 院長序 執行長序
鴻海研究院2023年鑑

有效的量子奇偶校驗碼

X X X
量子計算在進行邏輯閘操作時會因錯誤而導致失
敗。為了克服這個問題，需要使用校驗碼來修正
邏輯閘操作引起的錯誤。然而，在此之前缺乏量
特色
子奇偶校驗碼可有效的進行解碼，因此我們提出
了一種效能卓越的量子奇偶校驗碼，並且備有高
Z Z Z 效的線性解碼器。

X X

場域 量子容錯計算、量子通訊
Z Z

X X

Z Z 效益 實現容錯量子計算與量子通訊

另一個主流方式便是透過機器學習的混 找出量子電腦的關鍵應用

合計算模式，藉由梯度下降法（Gradient 「如果量子電腦能解決非常有限的問
Descent）優化目標函數並找到最小值後， 題，那麼他的應用價值相對不高。」謝明修
再次反饋到帶有參數的量子電路中再次進 提到，若量子電腦能如同GPT的成功一樣，

行優化，這種方式被稱作量子神經網路 讓GPT展現出作為聊天機器人以外的能力，
（Quantum Neural Network, QNN）。 人們有無限想像的應用場景，不僅加速技術
與傳統神經網路不同的是，QNN會隨 升級，也帶動相關半導體產業價值。

著量子位元和電路深度加深時，成本函數 謝明修表示，對於量子計算研究所而
（Cost Function）會變得趨於平緩、導 言，除了開發新的演算法、找出更多不同
致梯度消失，出現「貧瘠高原現象」，無 的運算方式以外，也必須了解到量子計算

法找出最優解。2022年量子計算也與雪梨 的優勢及局限性。由於量子電腦並非無所
大學合作，提出新的量子機器學習方法， 不能，無法解決所有問題，所以當我們了
來改善貧瘠高原問題，避免梯度消失。此 解它的極限在哪裡，才能給予量子電腦有
外，2024年也發布量子機器學習與傳統機 效地問題描述、進行解題，以凸顯量子計

器學習間差異的研究，透過這些研究更好 算優勢。
理解與利用量子機器學習的獨特優勢。 在實際應用上，量子計算所也有所斬

40

ɨʹ
ᒿऎ޼Ӻ৫ ʫ˖ ڥᓃҦஔ JOEE ɨʹ
ᒿऎ޼Ӻ৫ ʫ˖ ڥᓃҦஔ JOEE