将量子理论与神经计算相结合是美国路易斯安那(Louisiana) 州立大学Kak 教授的创举,他在1995年发表的“On Quantum Neural Computing”一文首次提出量子神经计算的概念,开创了该领域的先河。
同年英国 Sussex大学的Chrisley提出了量子学习(Quantum Learning)的概念，并给出非叠加态的量子神经网络模型和相应的学习算法。
1995年英国Exeter大学的Narayanan、Menneer和 Moore博士在本校的技术报告中相继发表了三篇有关量子衍生(Quantum-Inspired)计算、量子衍生神经网络及量子衍生遗传算法的文章,并且Menneer在1998年完成了名为”Quantum Artificial Neural Networks”的博士论文，在论文中她讨论了如何将量子计算引入人工神经网络，并证实了对于分类问题量子神经网络要比传统神经网络更为有效；
1996年美国 Wichita州立大学的 Behrman博士等人提出了量子点(Quantum Dot)神经网络模型；
1997年美国Brigham Young大学的Ventura博士和Martinez教授初步给出了具有量子力学特性的人工神经元模型，并于1998年提出有关量子联想(Quantum Associative Memory)的概念；
1999年毕业后在 Penn州立大学工作的Ventura博士在IEEE Intelligent System 7/8月专刊上正式提出量子计算智能(Quantum Computational Intelligence)的定义，并在2000年3月召开的第四届国际计算智能和神经科学会议（The Fourth International Conference on Computational Intelligence and Neurosciences）上主持了量子计算与神经量子信息处理的专题会议（The special sessions on quantum computation and neuro-quantum information processing）；此外巴西Brasilia大学的李伟钢（Li Weigang）博士在1998年发表了有关量子并行SOM算法的文章，并应用于卫星遥感图象的识别，他还于1999年讨论了量子的隐形传态（Teleportation）问题，初步构造了纠缠神经网络模型。

2）量子神经网络研究的动因：
其一,是有关人脑存在量子效应以及量子效应在人脑中所起的重要作用。早在1989年,Penrose 就讨论了量子现象与人脑意识的关系问题,并指出解决量子测量问题是最终解决意识问题的先决条件[2 ]；最近Perus (1996) 指出,量子波函数的坍缩(Collapse) 十分类似于人脑记忆中的神经模式重构现象[3 ] 。Hartford 大学的Gould 则进一步证明了玻尔(Bohr) 的量子过程的本体论解释和感知器的脑过程的完全性理论有同样的数学结构,这两个过程的动态方程都包含了一种场, 即量子势或神经势,基于量子势的量子过程和基于神经势的脑过程的动态方程有惊人的相似之处[4] 。
其二,由于量子理论是经典物理发展到微观层次的产物,它具有更普遍更本质的特征。由此推知,量子神经网络应该是传统神经计算系统的自然进化,因此势必会利用量子计算的巨大威力,提升神经计算的信息处理能力。这些富有创造性的研究,为量子计算与神经计算的结合提供了有益的支持。

3）量子神经网络也经典人工神经网络的比较
虽然目前量子神经计算的研究还处于萌芽阶段,其理论远未成熟,但已有的理论分析和应用已经证明, 与传统的神经计算比较, 量子神经计算(QNC) 模型至少在以下几个方面具有明显的优势[1] :
(1) 指数级的记忆容量和回忆速度;
(2) 较小的网络规模和简单的网络拓扑结构,
(3) 更好的稳定性和有效性;
(4) 快速学习、一次学习和高速处理信息的能力;
(5) 消除灾变性失忆的潜力等。
这些优势为人们创建超大容量、超高速新型信息处理系统提供了可能及超凡的信息处理能力,而且有助于人们重新理解智力和人脑的功能。

来源：互联网