Hybrid quantum-classical physics-informed neural networks for solving nonlinear PDEs: when and where hybridization is effective?
Dit artikel introduceert een hybride quantum-klassieke physics-informed neural network (HQPINN) dat geparametriseerde quantumcircuits integreert met klassieke neurale backbones om effectief spectrale bias en convergentieproblemen te overwinnen bij het oplossen van nietlineaire PDE's, waarbij significante verbeteringen in nauwkeurigheid worden aangetoond—met name in stijve en multiscale regimes—voor de Burgers-, Allen-Cahn- en Korteweg-de Vries-vergelijkingen.