A Trainable-Embedding Quantum Physics-Informed Framework for Multi-Species Reaction-Diffusion Systems
이 논문은 다종 반응-확산(reaction-diffusion) 시스템의 편미분 방정식을 해결하기 위해, 고전적 피드포워드 신경망과 양자 회로 임베딩을 비교 분석할 수 있는 새로운 하이브리드 양자 물리 정보 신경망(TE-QPINN) 프레임워크를 제안하고, 양자 임베딩이 고전적 방식에 뒤처지지 않으면서도 특정 조건에서 최적화 성능을 향상시킬 수 있음을 입증했습니다.