연구진이 콜모고로프-아르노네트워크(KAN) 레이어와 양자 회로를 결합한 QCPIKAN을 개발했어요. 이 하이브리드 프레임워크는 물리적 제약 조건을 학습 손실에 통합하여 물리적 일관성을 유지합니다. QCPIKAN은 기존 양자-고전 물리 기반 신경망보다 정확도, 오차 제어, 역학적 변화 추적, 변위 전면 위치 추적에서 우수한 성능을 보입니다.
QCPIKAN은 고주파 오차 수렴 속도를 지수적으로 가속화하고 수치적 분산 현상을 완화하는 데 효과적입니다. 이론적 연구 결과는 근사 이론에 기반하여 설계되었으며, 이를 뒷받침합니다.
다공성 매질 내 단일상 유동, 성분 수송, 양상 유동을 포함한 세 가지 일반적인 침투 시나리오에서 QCPIKAN의 유효성이 검증되었습니다.