孫欣｜特約編輯 (臺灣大學化學系研究助理)
梯度消失(Barren Plateaus)是在人工類神經網路的應用中的一個非常大的難題，此問題的出現會讓一個人工類神經網路無法調校出準確的結果，進而使機器學習失敗，無法從訓練資料中得到正確的模式。本月中旬(10/15)，來自洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory)的理論團隊，以數學嚴謹的證明，確認了有一類量子卷積神經網路不會發生梯度消失問題，將大大有助於機器學習的進行。量子卷積神經網路被認為是分析及學習量子資料特徵的有效工具之一，然而其理論上的效率以及嚴謹的數學分析在先前的研究中較少被探討，此一研究不止證明了量子機器學習的優越性，更進一步的增進了我們對量子電腦潛力的理解。
王雅文｜特約編輯
如何有效地「操控、讀取」量子位元，是量子電腦研發成敗的關鍵。現今量子計算的硬體核心技術，主要有：超導量子位元（美國Google、IBM）、離子阱量子位元（美國IonQ、Honeywell）、光子（美國PsiQuantum、日本東京大學與NTT）、矽或鍺量子位元等。
趙嫺 | 特約編輯
2026 年 6 月 3 日，微軟正式發表第二代拓樸量子晶片 Majorana 2。相較於 2025 年推出的 Majorana 1，新晶片最大的突破在於量子位元（qubit）的穩定性大幅提升…
施麗釵 ｜特約編輯
現實世界中，我們很難觀察到量子現象，因此，量子力學普遍被認為只有在描述微觀現象時才有需要，而科學家們仍在研究為什麼通常巨觀物體不會擁有量子特性。
黃俊銓｜特約編輯
在量子電腦的研究中，如何選擇一個「好」的量子位元是一件困難的事，而通常用來鑑定一項技術是否有潛力作為量子位元會有幾個標準，譬如說像是退相干時間 (decoherence time)、擴展性(scalability)、操作溫度等等…
王泰洲 | 特約編輯
在大規模量子處理器的發展中，固態材料內的電子自旋被認為有潛力作為量子記憶體以及量子位元。然而，由於控制電子自旋所需要的微波波長較長…
黃昱銘｜特約編輯
在量子計算的過程中，當量子位元與周圍環境發生相互作用時，會產生大量的雜訊，而雜訊所導致系統的不穩定性…
