您的当前位置:青海福彩->新闻中心
新闻中心

标签:证实,量子,神经,神经网络,网络,训练,图像,分类  2018-12-24 9:42:56  预览次

  谷歌人工智能量子(Google AI Quantum)团队最近发表了两篇论文,介绍了他们在理解量子计算机学习义务方面取得的新进展。

本文引用地址:http://www.esouou.com/eepw.com7843/article/201812/395950.htm

  量子计算,它能给AI技术的发展带来什么帮助吗?

  的确可以!

  谷歌已经证实了量子计算也能解决传统机器学习中的图像分类题目,而且随着技术发展河北人事考试,量子计算机将在在学习能力上超越经典的神经网络。

  另外量子计算还能解决经典网络中一些棘手题目,比如预防出现模型训练中的梯度消散题目。

  

  量子神经网络

  在第一篇论文中,谷歌构建一个神经网络的量子模型,研究如何在量子处理器上实行神经网络的分类义务。

  谷歌把这个模型叫做量子神经网络(QNN),盼望它能用在近期出现的量子处理器上。

  虽然目前的工作重要是理论上的,但QNN的结构有助于在不久的未来对量子计算机进行实现和测试。

  QNN可以通过标记数据的监督学习进行调整,谷歌已经在理论上证实了可以在MNIST数据集上训练它进行图像分类。

  谷歌预计,随着量子计算机硬件规模的发展,将来QNN的能力将充足与经典神经网络匹敌,从而实现“量子霸权”。

  

  在第二篇论文中,谷歌专注于量子神经网络和经典神经网络训练中的关键难题,即梯度消散或爆炸(vanishing or exploding gradients)的题目。

  在传统的神经网络中网站优化公司,神经元权重优秀的、无偏见的初始猜测通常与随机性无关,但是在某些情况下也存在一些困难。

  量子计算恰恰能解决这方面的题目。

  谷歌的论文注解,量子几何(quantum geometry)的独特特性能够阻止某些不良的初始化情况产生,帮助我们进入到到函数的稳固区,防止选取到那些会导致梯度消散的初始化策略。

  这项工尴尬刁难将来初始化和训练量子神经网络的策略具有引导意义。谷歌盼望从这些量子几何状况中能获得启发,实现训练网络的新算法。

  

  实现量子霸权

  谷歌今年在量子计算领域动作频繁。

  3月份,谷歌开发出了Bristlecone量子处理器,它拥有72个量子比特,是迄今为止最大的量子芯片。超过了IBM的50量子比特和英特尔的49量子比特。

  谷歌盼望用Bristlecone实现所谓量子霸权,即量子计算机在某些数学计算中的性能完全超过传统超级计算机。

  NASA量子人工智能实验室(QuAIL)和谷歌一路,共同研究如何将“各种各样的优化和采样题目”映射到量子计算机上,盼望在一年内实现该目标。

  谷歌还计划在5年内实现量子计算技术的商业化。但这并不是说谷歌要推出面向市场的量子计算机。

  因为超导量子计算机必要保持在接近绝对零度附近,因此不能把它从实验室里搬出来。预计谷歌届时会许可用户通过云API连接到量子计算机上。

  论文地址

  Classification with Quantum Neural Networks on Near Term Processors:

  https://arxiv3453/abs/1802.06002

  Barren Plateaus in Quantum Neural Network Training Landscapes: