核心技术突破 - 公司正在积极探索一种浅层混合量子-经典卷积神经网络（SHQCNN）模型，为图像分类领域带来创新性突破 [1] - 该模型采用增强型变分量子方法，通过引入更复杂的量子门组合和参数化形式来精确描述图像数据的量子特征，并利用先进的自适应优化策略加速收敛，提高训练效率 [2] - 在隐藏层设计中采用变分量子电路，相比传统量子神经网络具有更简洁的结构和更低的计算复杂度，能够在较少层数内有效提取图像特征 [3] 模型架构优势 - 输入层采用核编码方法，将原始图像数据从低维空间非线性映射到高维特征空间，使数据更易区分，从而提升整个模型的分类精度 [3] - 输出层采用小批量梯度下降算法，通过更频繁的权重更新使模型能更快适应训练数据的变化，具有更快的计算速度和更好的收敛性 [4] - 通过增强型变分量子方法、核编码方法、变分量子电路和小批量梯度下降算法等一系列先进技术的集成应用，该模型在稳定性、准确性和泛化能力方面具有显著优势 [4] 行业应用前景 - 随着量子计算技术的持续发展和应用场景的不断扩展，SHQCNN模型将在更多领域展现其巨大潜力 [4] - 公司专注于全息云服务，主要业务领域包括车载AR全息HUD、3D全息脉冲激光雷达、头戴式光场全息设备、全息半导体、元宇宙AR/VR设备等 [5][6] - 公司技术覆盖车载全息AR技术、3D全息脉冲激光雷达技术、全息视觉半导体技术、元宇宙虚拟云服务等多个方面，是一家综合性的全息云技术解决方案提供商 [6]

文章核心观点 - 公司开发基于量子计算的前馈神经网络（QFNN）算法，能克服传统神经网络训练的计算瓶颈，加速训练并增强泛化能力，为深度学习发展开辟新方向 [1][11] 算法介绍 - 公司宣布开发基于量子计算的前馈神经网络（QFNN）算法，核心创新是有效近似向量内积，利用量子随机存取存储器（QRAM）存储中间计算值以实现快速检索 [1] - QFNN训练算法依赖关键量子计算子程序，关键组件是量化前馈和反向传播过程，能在这两个阶段实现指数级加速，使神经网络更快收敛 [2] 算法原理 量子前馈传播 - 经典前馈传播涉及多次矩阵向量乘法，公司量子算法利用量子态叠加和相干性进行操作，将神经元权重和输入数据编码在量子相干态中，通过量子态演化完成矩阵向量运算，能在对数时间内完成计算，降低计算负载 [3] 量子反向传播 - 误差反向传播（BP）是神经网络训练的关键，公司量子算法利用量子相干态计算梯度，使用量子傅里叶变换（QFT）加速梯度计算，使梯度更新比传统方法快二次方倍 [4] 量子随机存取存储器（QRAM） - 经典神经网络训练中每次权重更新需访问和存储大量中间计算结果，QRAM可将这些结果存储在量子态中并高效检索，避免冗余计算，实现指数级加速 [5] 算法优势 降低计算复杂度 - 经典神经网络计算复杂度通常取决于神经元连接数，公司量子算法仅取决于神经元数量，对于有N个神经元和M个连接的网络，经典算法复杂度为O(M)，量子算法降至O(N) [6] - 在大规模神经网络中，连接数常远超神经元数量，该量子算法至少实现二次方加速，能大幅减少深度学习模型训练时间 [7] 抗过拟合 - 公司发现量子算法在训练中对过拟合有天然抗性，量子态的叠加和相干性使每次计算结果引入噪声，在机器学习中像随机扰动，防止模型过拟合训练数据，无需额外正则化技术就能实现更好泛化 [8][9] 应用前景 - QFNN有广泛应用前景，适用于对计算速度和数据规模要求极高的场景，如金融市场分析、自动驾驶、生物医学研究和量子计算机视觉等 [10] - 公司研究为受量子启发的经典算法奠定基础，这些算法借鉴QFNN设计原则，在传统计算机上实现类似计算复杂度优化，虽比真正量子算法有额外二次方计算开销，但为量子计算机未广泛普及的当下提供过渡解决方案 [10] 公司简介 - 公司是全息云综合技术解决方案提供商，专注于全息AR汽车抬头显示软件、3D全息脉冲激光雷达等专业领域，提供全息AR汽车应用、3D全息脉冲激光雷达技术等服务和技术 [13]

文章核心观点 - 全息增强现实技术提供商WiMi Hologram Cloud Inc.公布2024财年年报，运营结果显著好转，财务状况改善 [1][2][3] 公司运营情况 - 公司运营结果实现重大转变，从2023年约5.104亿元净亏损转为2024年约1.033亿元（1440万美元）净收入，体现有效运营策略和强大管理能力 [2] 公司财务状况 - 公司现金及现金等价物和短期投资大幅增加，从2023年底约7.739亿元增至2024年底约19.2亿元（2.669亿美元），增长约11.4亿元，增幅148.0%，改善财务状况利于追求新发展机会、投资创新研究和推动业务增长 [3] 公司业务信息 - 公司是全息云综合技术解决方案提供商，2015年开始商业运营，专注全息AR汽车HUD软件、3D全息脉冲激光雷达等专业领域，服务和技术涵盖全息AR汽车应用、3D全息脉冲激光雷达技术等 [6] 年报获取方式 - 年报含公司经审计合并报表，可在SEC网站（http://www.sec.gov ）和公司投资者关系网站（http://ir.wimiar.com/ ）查看；股东可免费索取年报，需向公司投资者关系部申请 [4][5]