英大學研發量子輔助 AI 技術，提升混沌系統預測準確度並節省記憶體

倫敦大學學院（UCL）研究團隊開發量子運算輔助人工智慧的新方法，利用量子電腦擷取資料的統計特徵，再用於訓練 AI 模型。混沌系統對初始條件極為敏感，長期預測困難，因此提升準確度與降低運算資源需求，對氣候、金融及複雜動態分析具有重要意義。

UCL 最新研究顯示，量子輔助方法可使 AI 對混沌系統的預測準確度提高約 20%，同時大幅減少模型所需記憶體，呈現量子運算與機器學習整合的實務效益。現有事件資料未提供研究發表日期、測試所用量子硬體、記憶體節省比例或投入金額，後續仍待完整論文與實機驗證補充。