Абстрактная графика: сфера Блоха на квантовой решётке
Q-Net Lab

Распознавание квантовых состояний нейросетями

Десктопное приложение для распознавания состояний кудитов и кубитных регистров. Загружаете измерения — обучаете модель — получаете распознанные состояния и отчёт.
> 90%
Точность распознавания на отложенной выборке
2
Модели считывания: FNN и фильтрация + FNN
11
Месяцев: плановый срок работ по проекту

О нас

Фонд содействия инновациям
Q-Net Lab — команда ООО «Измерительные квантовые системы». Мы делаем программное обеспечение, которое снимает с исследователя рутину обработки квантовых данных: от импорта измерений до распознавания состояний и готового отчёта.
Проект создан при поддержке Федерального государственного бюджетного учреждения «Фонд содействия развитию малых форм предприятий в научно-технической сфере».
Программа «Студенческий стартап» федерального проекта «Платформа университетского технологического предпринимательства».
Наш продукт

О продукте

Один рабочий цикл: от сырых измерений до готового отчёта о распознавании состояний.

Как это работает

Пять шагов от файла с измерениями до отчёта о распознанных состояниях.
Импорт данных
1
Загружаете экспериментальные выборки из .csv и .npz.
Фильтрация сигнала
2
Свёрточные фильтры, фильтры распада и возбуждения состояний — по отдельности и в комбинации.
Обучение и дообучение
3
Полносвязная нейросеть на PyTorch: обучение с нуля или дообучение готовой модели.
Распознавание
4
Классификация состояний выбранной моделью с результатом по всей выборке.
Отчёт и экспорт
5
График accuracy, матрица ошибок, выгрузка результатов и сохранение сессии.
Наши клиенты

Кому это полезно

Q-Net Lab снимает рутину с тех, кто работает с квантовыми состояниями каждый день.
НИИ и лаборатории
Обработка измерений без собственных скриптов классификации.
Университеты
Учебные и исследовательские стенды: наглядная визуализация состояний.
Производители квантовых устройств
Готовое ПО для считывания состояний в составе контура разработки.
Что внутри
Всё, что нужно для работы с квантовыми состояниями, — в одном приложении для Windows.
  • Графический интерфейс
    Обучение, дообучение, распознавание и фильтры — в соседних вкладках, без командной строки.
  • Две модели считывания
    Полносвязная нейросеть (FNN) и связка «фильтрация + FNN» — для разных типов измерений.
  • Точность свыше 90%
    Подтверждено на отложенной выборке эталонных данных.
  • Технологии
    Python 3.10, PyTorch, NumPy, SciPy, Pandas, Matplotlib, Seaborn и PyQt.
  • Требования
    Windows, 8 ГБ оперативной памяти. Установка и документация — в комплекте.
Запросить демо
Что хотите распознать?
Покажем прототип на ваших данных: 30–40 минут, онлайн.
Укажите контакты — мы свяжемся с вами, чтобы согласовать дату демонстрации.
Покажем прототип на ваших данных: 30–40 минут, онлайн.

Контакты

Артём Соловьев
Генеральный директор ООО «Измерительные квантовые системы»
Ответим в течение рабочего дня и подберём формат демонстрации под ваши данные.
Адрес
125438, г. Москва, Лихоборская наб., д. 4, к2, кв. 39
© 2026 ООО «Измерительные квантовые системы». Все права защищены.
Made on
Tilda