超级大本营军事论坛

 找回密码
 成为超大会员

QQ登录

只需一步,快速开始

查看: 1044|回复: 1
收起左侧

高通AI研究院提出通过量子场论,可将深度神经网络映射到量子计算机

[复制链接]
CDer:000088239
发表于 2021-05-05 04:03 | 显示全部楼层 |阅读模式

更多精彩专业军事内容,期待你的加入!

您需要 登录 才可以下载或查看,没有帐号?成为超大会员

x
来自高通 AI 研究院的学者提出,通过量子场论将深度神经网络直接映射到光学量子计算机上,这一研究发现,为未来开发新型量子神经网络架构铺平了道路

日益复杂和强大的体系架构的发展让深度学习(DL)已经扩展到了大型、异构、复杂和多类问题。伴随而来的是,用于计算的 DL 训练算法变得非常昂贵。随着摩尔定律接近极限,AI 领域正在寻求新的解决方案来解决此问题。

量子计算设备的出现,或许可以打破经典计算和热力学限制,但借助量子计算进行 DL 的研究仍处于起步阶段。此外,目前尚不清楚如何将神经网络映射到量子计算机。

针对上述问题,来自高通 AI 研究院的两位学者提出了深度学习量子场理论形式化,其中输入信号在高斯态中进行编码。他们展示了将线性和非线性层表征为单一量子门,并将量子模型的本征激发解释为粒子,这种粒子被称为「Hintons」。

除了为研究神经网络打开新视角、提供新技术之外,这种量子公式化非常适合光学量子计算,并提供了可以在光学量子计算设备上高效运行的神经网络量子变形。最后,研究者探讨了适合经典模拟的量子变形模型的半经典极限。

有意思的是,论文中出现的「Hintons」是对 Geoffrey Hinton 的致敬。
最具影响力军事论坛-超级大本营军事论坛欢迎你!超然物外,有容乃大。
CDer:000088239
 楼主| 发表于 2021-05-05 04:06 | 显示全部楼层

RE: 高通AI研究院提出通过量子场论,可将深度神经网络映射到量子计算机

研究人员回顾了概率数值神经网络的框架,该算法对有缺失数据的输入信号进行分类,使用高斯过程 (GP) 对信号进行插值,并使用 GP 表示定义神经网络。

然后,该研究引入了一系列量子操作,泛化了概率数字神经网络的经典层。首先,研究人员展示了如何对高斯态进行贝叶斯推理,从而使量子纠缠能够表示智能体对离散化错误的不确定性。在下一步中,将展示如何实现作用于量子场的线性层的量子等效,就像经典线性层作用于经典场一样。

最后,研究人员解释了如何在量子模型中嵌入经典神经网络。他们将由此产生的模型解释为量子模型的半经典极限。具体而言,该模型使用量子力学的元素(协方差的不确定性关系)和经典力学的非线性元素(类似于经典非线性,量子非线性作用于量子场)。


神经网络的层次结构





为了测试半经典神经网络的性能,研究人员在一台光学量子计算机上实现了它,实验表明结果符合预期。

下图中,该研究提出的模型在量子光学硬件中实现的高层级描述。输入信号为 X_1、 X_3,对应观测值为 y_1、y_3,中间值 X_2 处的信息丢失了。然后研究人员为所有位置 X_1、X_2、X_3 准备激光束,并使用量子 GP(QGP)推断来创建后验状态。然后,该研究应用一系列线性和非线性层,直到检测器测量到一个可观测值,得到分类输入信号的 C 类。





此外,研究人员还提出了该领域令人兴奋的未来发展方向,例如研究更接近完整量子模型的近似解,找到在量子硬件上进行量子 GP 推理的有效方法,以及进一步发展量子非线性和经典模型的量子形式。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?成为超大会员

x
最具影响力军事论坛-超级大本营军事论坛欢迎你!超然物外,有容乃大。
您需要登录后才可以回帖 登录 | 成为超大会员

本版积分规则

监狱|手机|联系|超级大本营军事论坛 ( 京ICP备13042948号 | 京公网安备11010602010161 )

声明:论坛言论仅代表网友个人观点,不代表超级大本营军事网站立场

Powered by Discuz © 2002-2021 超级大本营军事网站 CJDBY.net (违法及不良信息举报电话:13410849082)

最具影响力中文军事论坛 - Most Influential Chinese Military Forum

GMT+8, 2021-05-08 15:44 , Processed in 0.028163 second(s), 6 queries , Gzip On, Redis On.

快速回复 返回顶部 返回列表