量子机器学习是量子计算与机器学习的交叉领域，已成为现代计算科学中最具前景的前沿方向之一。叠加、纠缠、干涉等量子力学现象，为机器学习提供了全新的计算范式，有望在速度、表达能力与能效方面突破现有瓶颈，加速和增强机器学习算法。近期，变分量子电路、量子神经网络和量子梯度下降等方法的研究已在分类、优化和函数逼近等任务中展现出令人鼓舞的成果。随着量子硬件逐渐成熟，结合了两种范式优势的量子-经典混合架构尤其受到关注。与此同时，量子熵度量与信道容量等信息论视角为理解量子学习系统的泛化能力、表达能力和基本极限提供了严谨的理论框架。
特刊信息
Entropy 创建“Recent Advances in Quantum Machine Learning (量子机器学习的最新进展)”特刊，由北京工业大学姜楠教授、北京交通大学王健教授共同主持。
本特刊诚邀探讨量子机器学习最新进展的各类稿件，鼓励提交融合量子信息理论与机器学习实践的跨领域成果，欢迎未发表的原创研究论文与综述类投稿，涵盖主题包括但不限于：
各类量子机器学习算法；
新型量子机器学习范式；
变分量子电路；
量子神经网络；
量子–经典混合模型；
量子优化；
量子函数逼近；
量子梯度下降；
量子信息理论；
量子熵；
AI赋能量子计算；
量子机器学习在药物研发、金融、新材料、航空等各领域的应用；
量子机器学习算法在量子设备上的实现和实验。
投稿截止日期：2026年11月30日
客座编辑
姜楠 教授
北京工业大学教授。全球前2%科学家，北京市委组织部优秀人才，CCF量子计算专委会执行委员，2006年于北京邮电大学获博士学位，2006年加入北京工业大学，2015-2016年美国普渡大学访问学者。
研究领域：量子机器学习、量子计算、量子软件。
王健 教授
北京交通大学教授。2008年于北京邮电大学获博士学位，2008年加入北京交通大学，2015-2016年美国普渡大学访问学者。近年主持/参与国家科技重大专项课题、国家重点研发项目任务等项目，在包括CCFA安全顶会顶刊等重要会议期刊发表论文100余篇，授权发明专利10余项。
研究领域：量子机器学习、量子计算、人工智能安全。
了解更多特刊信息：https://www.mdpi.com/journal/entropy/special_issues/F78005G191
期刊主页
主编：Kevin H. Knuth, University at Albany, USA
期刊主要发表熵和信息论的相关文章，涉及学科领域有：热力学、统计力学、信息论、生物物理学、天体物理学及宇宙学、量子信息和复杂体系等，当前位于JCR 物理多学科二区。
2025 Impact Factor：2.1
2025 CiteScore：4.9
Time to First Decision：20.9 Days
Acceptance to Publication：3.4 Days
期刊主页：https://www.mdpi.com/journal/entropy
转载本文请联系原作者获取授权，同时请注明本文来自MDPI开放科学科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1548674.html?mobile=1
收藏
