2.2 量子AI系统架构

该架构图展示了从底层异构硬件到复杂生成任务的量子AI全栈技术流。

在网络层，量子原生AI模型（如玻尔兹曼机BM和受限玻尔兹曼机RBM）及基于它们构建的量子增强AI模型（如量子扩散模型Q-Diffusion、深度信念网络DBN、量子变分自编码器Q-VAE）被集成到经典的PyTorch生态中，利用autograd在经典的CPU/GPU上完成前向传播与梯度更新。

当模型面临经典计算难以处理的复杂概率采样瓶颈时，系统将通过Kaiwu SDK层将网络层的权重参数实时转化为“采样Ising矩阵”；随后，Kaiwu SDK负责任务的打包与上传，将这一高度计算密集型的采样任务下发至底层的相干光量子计算机（CIM）真机，执行物理层面演化。

最终，Kaiwu SDK抓取服从玻尔兹曼分布的低能态自旋解向量并返回给经典网络，从而端到端地赋能顶层的生成、分类以及复杂序列数据的生成与表征任务。

具体使用流程请见下图所示：