شبکه های عصبی یکی از پرکاربرد ترین ابزارها در دنیای امروز محسوب می شوند و پژوهشگران بسیاری از رشته های کشاورزی, علوم، اقتصاد، فنی و مهندسی در این زمینه مشغول به تحقیق هستند. در این پایان نامه ما ابتدا به تشریح شبکه های عصبی زیستی پرداخته و در فصل بعد شبکه های عصبی مصنوعی را تشریح می کنیم و در فصل سوّم با فضای کوانتومی و امکانات و آمادگی های این فضا برای بیان شبکه ی عصبی کوانتومی آشنا می شویم، در پایان به سراغ شبکه ی عصبی کوانتومی رفته و با تشریح نحوه ی کارکرد آن به سراغ آموزش شبکه عصبی توسط الگوریتم گراور می رویم، که یکی از اصلی ترین بخش های کلیّه شبکه های عصبی است، و بهره وری هر شبکه از کارکرد مناسب الگوریتم های آموزشی آن مشخص می شود. در پایان تاثیر درهم تنیدگی رابر ورودی های شبکه ی عصبی کوانتومی و بر روند آموزش شبکه ی عصبی کوانتومی را بررسی می کنیم.

در این طرح در هم تنیدگی کیوبیت های بار را در مدارهای ابررسانا مورد بررسی، تجزیه و تحلیل قرار می دهیم. یکی از روشهای مورد استفاده در مکانیک کوانتومی حل معادلات به روش ماتریسی است. با توجه اهمیت هامیلتونی در سیستم های ابررسانا، در فصل سوم هامیلتونی متناظر را به صورت ماتریسی توضیح داده و سپس طرح دو کیوبیت بار را معرفی می کنیم. با در نظر گرفتن حالت های مختلف این سیستم ها، با استفاده از معیار توافق میزان درهم تنیدگی آنها را بررسی کرده و در نهایت نمودارهای مربوطه را رسم می کنیم. ملاحظه می کنیم که در این سیستم وقتی جفت شدگی را در راستای xz در نظر می گیریم، نسبت به زمانی که جفت شدگی فقط در راستای z در نظر گرفته می شود، میزان درهم تنیدگی افزایش می یابد که یک عملکرد بهتر برای ابررسانای نقطه کوانتومی است. در نهایت وقتی جفت شدگی را در راستای xyz در نظر می گیریم، مشاهده می کنیم که سیستم پایدارترین میزان درهم تنیدگی را دارد.