量子計(jì)算機(jī)上的機(jī)器學(xué)習(xí)，也就是量子神經(jīng)網(wǎng)絡(luò)（QNN），有許多傳統(tǒng)神經(jīng)網(wǎng)絡(luò)望塵莫及的潛力，比如量子數(shù)據(jù)分析。
然而許多 QNN 架構(gòu)，沒(méi)法對(duì)大型問(wèn)題進(jìn)行訓(xùn)練，因?yàn)樗鼈兌即嬖谥柏汃じ咴保╞arren plateau），也就是隨系統(tǒng)規(guī)模增大梯度呈指數(shù)級(jí)消失的問(wèn)題。
這無(wú)疑當(dāng)頭一盆冷水。
克服不了這個(gè)問(wèn)題，就沒(méi)法挖掘量子計(jì)算機(jī)在人工智能應(yīng)用中的全部潛力。
好在，來(lái)自美國(guó)阿拉莫斯實(shí)驗(yàn)室（LANL）的科學(xué)家經(jīng)過(guò)分析發(fā)現(xiàn)，最新提出的量子卷積神經(jīng)網(wǎng)絡(luò) （QCNN），不會(huì)出現(xiàn)梯度消失！
這一發(fā)現(xiàn)無(wú)疑具有巨大的突破性，可以為量子人工智能在材料發(fā)現(xiàn)等應(yīng)用的研究之路清除障礙。
不存在梯度消失問(wèn)題的量子卷積神經(jīng)網(wǎng)絡(luò)
先來(lái)看看什么是量子卷積神經(jīng)網(wǎng)絡(luò)。
它由哈佛大學(xué)于 2019 年提出，是一種特殊的量子神經(jīng)網(wǎng)絡(luò)，涉及一系列卷積層和池化層交錯(cuò)，在保留相關(guān)數(shù)據(jù)特征信息的同時(shí)減少了量子比特的數(shù)量。
QCNN 可用于糾錯(cuò)、量子相位檢測(cè)和圖像識(shí)別等方面。
△ QCNN 概念圖
來(lái)自阿拉莫斯實(shí)驗(yàn)室的研究人員一直在研究如何減輕量子神經(jīng)網(wǎng)絡(luò)中“貧瘠高原”的影響，但一直缺乏完全規(guī)避該問(wèn)題的方法。
ps.之所以在量子計(jì)算機(jī)中叫“貧瘠高原”，是因?yàn)樗推胀ㄉ窠?jīng)網(wǎng)絡(luò)中的梯度消失還不能說(shuō)是完全一模一樣。
“貧瘠高原”是指當(dāng)量子計(jì)算機(jī)的比特?cái)?shù)目較大時(shí)，當(dāng)前量子神經(jīng)網(wǎng)絡(luò)的框架很容易變得無(wú)法有效進(jìn)行訓(xùn)練，其目標(biāo)函數(shù)會(huì)變得很平，導(dǎo)致梯度太低難以繼續(xù)訓(xùn)練。
回到此項(xiàng)研究，這次研究人員針對(duì)以下兩個(gè)假設(shè)嚴(yán)格分析了 QCNN 成本函數(shù)梯度的 scaling：
（1） QCNN 中的所有 2-qubit 單元形成獨(dú)立不相關(guān)的 2-designs（用低深度量子電路可輕松滿足）；
（2）成本函數(shù)相對(duì)于輸入密度矩陣是線性的。
最終，在這兩個(gè)假設(shè)下，他們證明了成本函數(shù)偏導(dǎo)數(shù)的方差隨著系統(tǒng)大小消失的速度并不比多項(xiàng)式快。
這意味著成本函數(shù) landscape 中不會(huì)表現(xiàn)出“貧瘠高原”，因此 QCNN 體系結(jié)構(gòu)可以在參數(shù)的隨機(jī)初始化下進(jìn)行訓(xùn)練 —— 這可是許多 QNN 體系結(jié)構(gòu)都不能做到的。
ps.證明過(guò)程采用了一種新的圖形表示方法，也涉及了較復(fù)雜的推導(dǎo)，感興趣的可以查看論文。
研究人員表示，這樣的 QCNN 是可以短期內(nèi)實(shí)現(xiàn)量子計(jì)算機(jī)機(jī)器學(xué)習(xí)優(yōu)勢(shì)的候選框架。
具體的例子比如，將陶瓷材料作為高溫超導(dǎo)體改善磁懸浮列車等無(wú)摩擦運(yùn)輸時(shí)，需要篩選給定材料各種狀態(tài)的大量相（phase）數(shù)據(jù)集，并將這些狀態(tài)與相位關(guān)聯(lián)，以確定高溫超導(dǎo)的最佳狀態(tài)。
但這種事情普通計(jì)算機(jī)上的神經(jīng)網(wǎng)絡(luò)根本沒(méi)法做到，而量子神經(jīng)網(wǎng)絡(luò)在未來(lái)就可以。
論文地址：
https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.041011
參考鏈接：
https://phys.org/news/2021-10-breakthrough-proof-path-quantum-ai.html
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。