量子计算是信息科学和量子力学相结合的极具生命力的新兴交叉学科,以其所具有的高度并行性、指数级存储容量和对经典启发式算法指数级加速作用,成为世界各国学者研究的前沿领域。量子神经元网络是量子计算与神经计算相融合的产物。旨在通过在传统神经网络中引入量子计算机制,来提高神经网络的非线性逼近能力、收敛速度、算法稳定性等性能。因此,研究量子神经网络具有重要的理论和现实意义。本文综述了国内外量子神经网络的研究现状和发展趋势,主要分析研究了当前几种典型的量子神经网络的设计思路、神经元结构、网络形式以及学习算法,并针对当前量子权值神经网络所存在的权值构造缺少量子计算理论根据、网络量子特性缺失等问题,根据神经细胞的量子特性,将递质和细胞膜等价成两个量子系统,基于量子力学基本假设,给出两量子系统的波函数表示,构造了具有量子特性的连接权,设计一种新的量子权值神经元模型,借助传统的前馈网络拓扑结构,提出了一种新的量子权值神经网络模型,并证明原有量子权值神经网络是该新的量子权值神经网络的特例,说明了新的量子权值神经网络具有量子特性。设计了有效的量子权值学习算法,证明了所设计网络算法的收敛性,仿真验证了新网络具有有效的逼近能力和高于原量子权值神经网络的收敛速度,且由于量子特性的引入,新网络的信息量增加,丰富了网络可能的训练路径,增加了网络训练过程中避开局部极小的可能性。