Serviço Nacional de Aprendizagem Industrial

英国吉尔福德两座路边监测站的PM2.5小时数据上，量子神经网络在未经处理的原始序列上明显优于经典MLP与LSTM基线，深度4模型把皮尔逊相关从约0.29–0.31提高到0.599。加入五级离散小波分解后，172量子比特、深度4的模型在完整6小时预报窗口取得最高平均相关0.729与最低NMSE 0.488，但此时经典MLP已接近同一水平。该结果来自Dynex神经形态量子退火仿真平台，尚未在物理量子硬件上验证。

英国吉尔福德两座路边监测站的PM2.5小时数据上，量子神经网络在未经处理的原始序列上明显优于经典MLP与LSTM基线，深度4模型把皮尔逊相关从约0.29–0.31提高到0.599。加入五级离散小波分解后，172量子比特、深度4的模型在完整6小时预报窗口取得最高平均相关0.729与最低NMSE 0.488，但此时经典MLP已接近同一水平。该结果来自Dynex神经形态量子退火仿真平台，尚未在物理量子硬件上验证。