MicroCloud Hologram Inc.推出用于噪声图像分类的深度尖峰量子神经网络技术 | HOLO 股票新闻

在 Google 搜索和 AI 回答中查看更多来自 StockTitan 的信息。将 StockTitan 添加为首选来源 · 打开 Google

在 Google 上添加

中国深圳，2026 年 7 月 30 日（全球新闻稿）——MicroCloud Hologram Inc.（纳斯达克：HOLO）（“HOLO” 或 “公司”），一家技术服务提供商，推出了一种用于噪声图像分类的深度脉冲量子神经网络（DSQ-Net），标志着在量子计算与类脑计算深度融合方向上的重要工程探索。

该技术基于 HOLO 在量子算法和神经网络工程方面长期积累的经验。在企业级研发框架中首次系统性地引入了变分量子电路（VQC）辅助训练机制，构建了一种新颖的混合量子 - 经典深度学习系统。与以往仅将量子电路用作特征映射模块或量子核函数的研究不同，DSQ-Net 的核心创新在于：将量子电路直接嵌入到深度脉冲神经网络（SNN）的训练过程中，作为解决不可微分脉冲事件和随机神经动态问题的关键计算单元，从而在系统层面重构 SNN 的可训练性。

从整体架构的角度来看，DSQ-Net 采用清晰的混合量子 - 经典分层设计。输入端首先接收噪声图像数据，并通过经典预处理模块，将像素信息编码为适合脉冲神经元处理的时空脉冲序列。这个过程充分利用了 SNN 在时间维度上的表达优势，使得图像噪声不再仅仅被视为干扰项，而是被建模并吸收为时间信号的一部分。

随后，深度脉冲神经网络负责提取高级时空特征。与依赖连续数值的传统卷积神经网络不同，这个 SNN 通过多层脉冲神经元的动态演化形成对噪声具有鲁棒性的事件驱动特征表示。然而，在权重更新和特征映射的关键阶段，系统并不完全依赖经典训练机制；相反，它引入变分量子电路作为辅助优化模块。

在 HOLO 的 DSQ-Net 中，量子层不仅仅是一个附加组件，而是被设计为与 SNN 紧密耦合的计算组件。具体而言，来自 SNN 中间层的脉冲统计特征被编码到量子态的幅度空间中，高维脉冲分布通过幅度编码被压缩并映射到量子比特状态。与角度编码或基态编码相比，幅度编码在表示效率和信息密度方面具有显著优势，使得有限数量的量子比特能够承载复杂的脉冲特征结构。

编码完成后，参数化的变分量子电路演化量子态。该电路由多个可调量子门层组成，其参数由经典优化器与整体训练目标协同更新。量子测量结果被视为当前网络状态的概率评估，而这一评估结果反过来又指导经典 SNN 权重的更新方向。通过这一机制，原本不可微分的脉冲发射过程被间接嵌入到一个可微分和可调的量子优化框架中。

值得注意的是，这种混合训练策略并不是简单地用量子计算替代经典计算，而是充分利用了两者的互补优势。经典深度 SNN 负责大规模数据处理和时间特征建模，而量子 VQC 则承担高效探索复杂非线性关系和随机结构的任务。两者通过参数共享和反馈机制形成闭环，使整个网络能够在训练过程中自动适应噪声分布的变化。

在技术实现层面，针对当前量子硬件的不成熟状态，HOLO 采用了高保真量子模拟器系统验证 DSQ-Net。这一选择不仅确保了实验结果的可重复性，还为未来迁移到真实量子硬件提供了明确的技术路径。在模拟环境中，构建了多种不同噪声强度和噪声类型的图像数据集，并全面评估了模型的泛化能力。

实验结果表明，在未见过的噪声测试图像上，HOLO 的 DSQ-Net 保持了超过 90% 的分类准确率，显著优于同规模的纯经典 SNN 模型。更重要的是，随着噪声水平的持续增加，DSQ-Net 的性能下降明显减缓，表明量子辅助训练机制在抑制噪声干扰和稳定特征表示方面发挥了关键作用。

这项技术的意义不仅在于个别指标的提升，更在于为高噪声环境中的智能感知系统提供了全新的技术范式。无论是在低照明工业检测、复杂交通环境感知，还是在受限计算能力条件下的边缘智能设备中，HOLO 的 DSQ-Net 所展现的鲁棒性和结构灵活性具有重要的工程价值。

此外，这项技术在能源效率方面也具有潜在优势。脉冲神经网络本质上是事件驱动的，天然适合低功耗实现；同时，量子计算在探索状态空间时的并行性预计将进一步降低整体计算复杂性。随着量子硬件和类脑芯片的不断发展，以 DSQ-Net 为代表的混合架构有望成为下一代智能计算系统的重要组成部分。

从长期来看，这项技术还为量子机器学习的发展提供了新的实际方向。它不再局限于理论上的速度提升或复杂性优势，而是真正将量子计算嵌入到最具挑战性的现实学习问题中——噪声、不确定性和不可微动态的联合建模。可以预见，随着相关生态系统的不断完善，深度脉冲量子神经网络有望在智能计算领域释放更大的潜力，成为连接量子计算与类脑智能的重要桥梁。

关于 MicroCloud Hologram Inc.

MicroCloud Hologram Inc.（纳斯达克：HOLO）致力于全息技术的研究、开发和应用。其全息技术服务包括基于全息技术的全息光检测与测距（LiDAR）解决方案、全息 LiDAR 点云算法架构设计、技术全息成像解决方案、全息 LiDAR 传感器芯片设计以及全息车辆智能视觉技术，为提供全息高级驾驶辅助系统（ADAS）的客户提供服务。MicroCloud Hologram Inc.为全球客户提供全息技术服务。MicroCloud Hologram Inc.还提供全息数字双胞胎技术服务，并拥有专有的全息数字双胞胎技术资源库。其全息数字双胞胎技术资源库结合了全息数字双胞胎软件、数字内容、基于空间数据驱动的数据科学、全息数字云算法和全息 3D 捕捉技术，以 3D 全息形式捕捉形状和物体。MicroCloud Hologram Inc.专注于量子计算和量子全息等领域的发展，现金储备超过 30 亿人民币，并计划从现金储备中投资超过 4 亿美元，参与区块链开发、量子计算技术开发、量子全息技术开发以及人工智能 AR 等前沿技术领域的衍生品和技术开发。MicroCloud Hologram Inc.的目标是成为全球领先的量子全息和量子计算技术公司。

安全港声明

本新闻稿包含根据 1995 年《私人证券诉讼改革法》定义的前瞻性陈述。前瞻性陈述包括有关计划、目标、策略、未来事件或表现及其基本假设的陈述，以及其他非历史事实的陈述。当公司使用诸如 “可能”、“将”、“打算”、“应该”、“相信”、“期望”、“预期”、“项目”、“估计” 或类似表达时，这些表达并不单纯与历史事项相关，而是在进行前瞻性陈述。前瞻性陈述并不保证未来的表现，并涉及可能导致实际结果与公司在前瞻性陈述中讨论的预期大相径庭的风险和不确定性。这些陈述受到不确定性和风险的影响，包括但不限于以下内容：公司的目标和策略；公司的未来业务发展；产品和服务的需求与接受度；技术变化；经济状况；声誉和品牌；竞争和定价的影响；政府法规；一般经济波动；财务状况和经营结果；全息行业的预期增长以及公司计划服务的中国和国际市场的商业条件，以及与上述任何内容相关的假设和公司向证券交易委员会（“SEC”）提交的报告中包含的其他风险，包括公司最近提交的 10-K 表格年度报告和 6-K 表格当前报告及其后续提交的文件。因此，投资者被提醒不要对本新闻稿中的任何前瞻性陈述过于依赖。其他因素在公司向 SEC 提交的文件中进行了讨论，相关文件可在 www.sec.gov 上查阅。公司没有义务公开修订这些前瞻性陈述，以反映此后发生的事件或情况。

联系方式

MicroCloud Hologram Inc.

电子邮件：IR@mcvrar.com