利用量子叠加推断时空神经网络信号模型的动态行为

探索量子计算的新问题类是一个活跃的研究领域。在本文中，我们引入并求解了一类与神经生物学和机器学习相关的大规模网络动力学有关的新问题类。具体而言，我们探究一个网络能否在某个任意观测时间之后维持固有的动态活动，或者该活动是否会通过静息或经由癫痫样状态的饱和而停止。我们表明，这类问题可以被表述和构造以利用量子叠加，并通过 Grover 和 Deutsch-Jozsa 量子算法之间的耦合工作流进行高效求解。为此，我们扩展了它们的功能，以解决算法输入（子）集必须如何进行数学构造的独特要求，同时构建这些输入，使得测量输出能够被解释为网络动力学有意义的属性。这进而使我们能够回答所提出的问题。