Доказательство прорыва расчищает путь для квантового ИИ

Сверточные нейронные сети, работающие на квантовых компьютерах, вызвали много шума из-за своего потенциала для анализа квантовых данных лучше, чем это могут делать классические компьютеры. Хотя фундаментальная проблема разрешимости, известная как «бесплодные плато», ограничивает применение этих нейронных сетей для больших наборов данных, новое исследование преодолевает эту ахиллесову пяту с помощью строгого доказательства, гарантирующего масштабируемость.


«То, как вы создаете квантовую нейронную сеть, может привести к бесплодному плато — или нет», — сказал Марко Сересо, соавтор статьи под названием «Отсутствие бесплодных плато в квантовых сверточных нейронных сетях», опубликованной сегодня Национальной лабораторией Лос-Аламоса. команда в Физический обзор X. Сересо — физик, специализирующийся на квантовых вычислениях, квантовом машинном обучении и квантовой информации в Лос-Аламосе. «Мы доказали отсутствие бесплодных плато для особого типа квантовой нейронной сети. Наша работа обеспечивает гарантии обучаемости для этой архитектуры, что означает, что можно в общем обучать ее параметры».

В качестве методологии искусственного интеллекта (ИИ) квантовые сверточные нейронные сети вдохновлены зрительной корой головного мозга. По сути, они включают в себя серию сверточных слоев или фильтров, чередующихся со слоями объединения, которые уменьшают размерность данных, сохраняя при этом важные особенности набора данных.

Эти нейронные сети могут использоваться для решения ряда задач, от распознавания изображений до обнаружения материалов. Преодоление бесплодных плато является ключом к раскрытию всего потенциала квантовых компьютеров в приложениях искусственного интеллекта и демонстрации их превосходства над классическими компьютерами.

По словам Сересо, до сих пор исследователи квантового машинного обучения анализировали, как смягчить последствия бесплодных плато, но у них не было теоретической основы, чтобы полностью избежать этого. Работа в Лос-Аламосе показывает, что некоторые квантовые нейронные сети на самом деле невосприимчивы к бесплодным плато.

«Имея эту гарантию, исследователи теперь смогут анализировать данные квантового компьютера о квантовых системах и использовать эту информацию для изучения свойств материалов или открытия новых материалов, среди других приложений», — сказал Патрик Коулз, квантовый физик из Лос-Аламоса. и соавтор статьи.

Коулз считает, что появится гораздо больше приложений для квантовых алгоритмов ИИ, поскольку исследователи будут чаще использовать квантовые компьютеры в ближайшем будущем и генерировать все больше и больше данных — все программы машинного обучения требуют данных.

Как избежать исчезающего градиента

«Всякая надежда на квантовое ускорение или преимущество потеряно, если у вас будет бесплодное плато», — сказал Сересо.