近日，電子科技大學基礎與前沿研究院、量子物理與光量子信息教育部重點實驗室與華為技術有限公司達成深度合作，依托華為自研的MindQuantum量子模擬平臺，在量子人工智能（Quantum AI）方向取得重要進展。團隊首次在主流量子比特架構上，定量評估了高維互文（contextual）量子態的模擬成本，揭示了強量子互文性有助于降低量子AI算法的運行資源需求。此項研究成果發表于5月17日發表于《通訊-物理》上。
量子互文性是區分量子與經典世界的核心特性，也是量子計算與量子機器學習實現優勢的關鍵資源。研究團隊通過構建全新的“保對稱性”通用量子比特門集合，以及高效的對稱性量子電路框架，模擬三維（qutrit）互文基態。結果表明，在相同的經典與量子資源投入下，具有更強互文性的高維基態反而更易通過變分量子電路逼近，進一步開拓了Quantum AI在優化和并行計算上的潛力。
研究的數值模擬均在華為MindQuantum平臺上實現，雙方聯手優化了變分量子算法的迭代流程，使其在多達14個量子比特的對稱子空間中，也能高效獲得收斂結果，充分發揮了MindQuantum在大規模參數化量子電路仿真、GPU/CPU協同加速方面的優勢。
此次合作不僅深化了對量子互文性與量子資源消耗之間復雜關系的理解，也為Quantum AI在化學模擬、優化計算、量子機器學習等前沿領域的應用指明了新方向。