类脑量子叠加脉冲神经网络:从量子大脑假说到更好的人工智能

来源:神经现实

作者:曾毅研究团队 |

封面:Mario De Meyer

排版:光影

以深度神经网络为代表的现代人工智能模型在识别图像、语音、文字等模式信息任务取得优异表现。然而,生物大脑具有处理复杂多变的环境信息的能力,这一点是当下人工智能模型所欠缺的。生物大脑的高效性源于多个方面,大脑神经元的种类,数量以及连接的复杂性都是重要因素。此外,神经元发放的脉冲序列所具有的时间维度信息,大脑中可能存在的量子信息处理机制也有可能是大脑产生高级功能的关键。

受此启发,中国科学院自动化研究所类脑智能研究中心曾毅研究员团队提出了受量子叠加启发的脉冲神经网络(Quantum Superposition inspired Spiking Neural Network简称QS-SNN),相比传统的人工神经网络,在背景反转图像识别、带有噪声的图像识别方面都表现出了更好的泛化能力。相关文章发表在Cell出版社旗下期刊iScience上。

文献:Sun, Yinqian, Yi Zeng, and Tielin Zhang. "Quantum Superposition Inspired Spiking Neural Network." iScience (2021): 102880.

地址:

https://www.cell.com/iscience/fulltext/S2589-0042(21)00848-8

量子大脑假说

量子生物学研究发现一些生物反应过程中可以观测到量子效应,例如Sarovar等人发现在光合作用中,光合蛋白具有量子纠缠现象[Sarovar2010];Huelga等人观察到鸟类眼睛磁场感受器蛋白也存在长时程量子纠缠机制[Huelga2013]。

图1光合蛋白量子纠缠现象

[Sarovar2010]

图2鸟类眼睛磁场感受器蛋白的长时程量子纠缠机制

[Huelga2013]

大脑是否是一个量子信息处理系统是一个存在争议的议题。脑认知功能实现的基础是神经元及其之间的通信、计算,其重要机制之一是神经系统的电脉冲及在此基础上形成的突触可塑性机制。神经系统通过电脉冲进行编码和解码。Henry Stapp论证了离子在触发点上要么被吸收要么不被吸收的神经信号的传递机制是量子的,并不能够通过经典的概率进行解释。Stuart Hameroff和Roger Penrose合作指出神经元中的微管(Microtubule)是脑中量子过程的关键所在。后续的研究也进一步证实了微管中存在量子振动。Carol Weingarten和Matthew Fisher等人合作根据核磁共振(MRI)技术原理,提出神经元内磷原子核自旋同位素为载体的量子大脑理论[Weingarten2016]。自旋状态下的磷原子产生量子纠缠,通过化学反应构成纠缠态焦磷酸盐,并进一步与钙离子嵌合组成纠缠态波斯纳分子。波斯纳分子通过胞吞作用进入神经元,促进VGLUT囊泡运输谷氨酸到突触前,引起介导的谷氨酸释放,刺激突触后神经元产生量子关联的脉冲发放。

图3 量子大脑假说原理图

[参考Weingarten2016修改]

由此引发的量子大脑假说是否成立的广泛讨论从未停止。然而也有很多学者认为生物大脑不存在量子行为,主要是基于以下两个原因:(1)神经元信号分子、神经元和神经网络物理尺寸太大,量子现象无法在其功能中发挥重要作用。此观点认为,所有的量子事件会在如此大的物理尺寸中相互抵消掉,从而无法在大脑功能中展现出单独的作用[Penrose1995, Koch2006]。(2)神经元分子、神经元或神经网络与其嘈杂、潮湿和温暖环境的相互作用将破坏任何非平凡(non-trivial)的量子态,如叠加或纠缠。由于环境诱导退相干的速度极高,大脑应该被认为是一个经典系统,而不是量子系统[Tegmark2000]。

文章的责任作者,曾毅研究员强调:“然而,我们这次发表的文章的目的并不是为量子大脑假说提供直接的有说服力的证据,而是探索受量子信息理论和大脑脉冲信号编码启发的新型人工智能模型。和传统的人工神经网络有所不同,大脑具有的复杂认知功能,一方面源于其神经元和网络连接的复杂结构,另一方面也源于其强大的信息编码能力。以往的研究已很好的证明了量子计算的引入可以加速人工智能模型的信息处理,但我们希望另辟蹊径,通过量子理论的引入使得神经网络获得之前未有的能力。量子信息和神经元脉冲之间具有机制上的相似性。量子态以希尔伯特空间的复向量表示,对应的神经元脉冲也具有频率和相位时空维度信息,而传统的人工神经网络只在实数空间表示信息,信息维度的拓展意味着表示能力加强。在此基础上,我们提出了受量子信息启发的神经元脉冲频率-相位信息编码模式,结合脉冲神经网络(SNN, Spiking Neural Network),能够很好地处理背景翻转的图片,而传统的卷积神经网络则很难识别背景反转的图像信息。基于量子信息原理,背景翻转的图片被编码成量子叠加态形式,进一步转化为不同相位和频率的神经元脉冲。实验表明,量子叠加态脉冲神经网络模型能够在处理背景翻转的图片以及加入背景噪声的图片获得超过传统卷积神经网络的性能。”

图4量子叠加态脉冲神经网络模型

背景反转图片量子态编码

和时空脉冲序列

传统的量子机器学习研究中,会将图像处理方法与量子信息理论相结合,将图像转换为量子状态(例如常见的FRQI等方法),从而可以使用量子计算加速图像处理算法,然而这样的融合并没有赋予人工智能模型新的认知能力。

文章的第一作者博士生孙胤乾介绍说:“我们提出了一种互补叠加信息编码方法,并在量子图像形成和时空脉冲序列之间建立了联系,如图4所示。这种编码方法在借鉴传统量子图像编码的基础上,又与如柔性量子图像表征(FRQI)算法不同的是,我们使用纠缠态的量子比特编码原始图片信息和背景反转图片信息,而前者只是编码像素信息。编码成量子态的图片进一步转换为不同发放频率和相位的神经元脉冲信号,输入SNN进行识别分类。”

图5 生成量子态图像的电路拓扑与量子叠加态图像转换为脉冲序列

实验及结论

研究使用手写数字和物体识别数据集MNIST和Fashion MNIST的背景色反转图像,以此来挑战传统神经网络及这次研究提出的受量子叠加启发的脉冲神经网络(QS-SNN)模型在分类任务中的性能。QS-SNN将原始图像及其反转背景图像编码为互补叠加状态,并将其转换为脉冲序列,作为两房室SNN的输入信号。作为对比,这项研究也在背景反转的图片数据上测试了全连接的人工神经网络(ANN)网络、10层卷积网络(CNN)、VGG、ResNet以及DenseNet等神经网络模型。所有的模型都是在原始图片上训练然后在背景反转的图片上测试模型性能。

图6.不同的神经网络模型识别背景反转图像

结果表明,传统的全连接ANN和卷积神经网络模型难以处理图像属性的巨大变化,例如背景反转,即使保持图像的空间特征保持不变。QS-SNN模型相比较其他神经网络模型在识别背景反转图像时能够保持识别性能基本不变,这与人类的认知行为更接近。

除了改变整个背景的影响外,这项研究还对QS-SNN处理其他类型图像噪声的能力进行了测试。为此,在MNIST和Fashion MNIST图像中添加了反向脉冲噪声,并进一步测试了QS-SNN与ANN和CNN的性能。

图7 噪声图片识别结果

与其他神经网络模型相比,QS-SNN无论从识别性能还是抗干扰能力方面都更接近人类的视觉能力。随着更多反转像素噪声添加到图像中,它们变得越来越难以识别。然而,随着更多的噪声添加到像素中,图像特征再次变得清晰,QS-SNN迅速恢复了对图像的识别能力,而其他的神经网络却没有。QS-SNN得益于其类似于人类视觉系统的图像叠加态编码方法,能够很好地抵抗噪声的影响。

结论

这项工作旨在将量子理论与脉冲神经网络进行融合。量子图像编码和量子叠加态用于信息表征,随后转换为具有时空特征的神经元脉冲序列,使用SNN进行处理。文章提出的QS-SNN模型在以背景反转图像识别为代表的任务中表现出良好的性能,这对其他模型来说是非常具有挑战性的。无论是背景反转图像的识别还是带有噪声的图像识别,与传统的人工神经网络模型相比,QS-SNN都表现出具有更好的泛化能力。

曾毅研究员说:“4年前我们课题组开始布局类脑量子智能的研究,我们一直相信将量子理论融入类脑智能的研究会给传统的人工智能模型带来新的能力,以来自量子叠加的启发提出这种信息编码模型并与脉冲神经网络进行融合,获得的对反转图像以及抗噪信息处理的能力,虽然仍然是最初步的尝试取得的点滴成果,但这让我们继续开展系列的研究信心倍增”。

参考文献

1.[Penrose1995] Penrose, R., and Dennett, D. C. (1995). “Consciousness involves noncomputable ingredients,” in The Third Culture: Beyond the Scientific Revolution, ed. J.Brockman (New York City, NY: Simon & Schuster).

2.[Koch2006] Koch, C., and Hepp, K. (2006). Quantum mechanics in the brain. Nature 440, 611–612. doi: 10.1038/440611a

3.[Tegmark2000] Tegmark, M. (2000). Importance of quantum decoherence in brain processes. Phys. Rev. E Stat. Phys. Plasmas Fluids Relat.Interdiscip. Topics 61(4 Pt B), 4194–4206.doi: 10.1103/PhysRevE.61.4194

4.[Sarovar2010] Sarovar, M., Ishizaki, A., Fleming, G. et al. Quantum entanglement in photosynthetic light-harvesting complexes. Nature Phys 6, 462–467 (2010). https://doi.org/10.1038/nphys1652

5.[Huelga2013] Huelga, Susana & Plenio, M.. (2013). Vibrations, Quanta and Biology. Contemporary Physics. 54. 10.1080/00405000.2013.829687.

6.[Weingarten2016] Weingarten, Carol & Doraiswamy, P. & Fisher, Matthew. (2016). A New Spin on Neural Processing: Quantum Cognition. Frontiers in Human Neuroscience. 10. 10.3389/fnhum.2016.00541.

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/484069.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

遥感图像分类原理

1.原理 1.1 每一个像元作为一个样本,波段作为特征,理想情况下,同类地物应该具有相同或相似的特征描述,因此像元在n维特征空间中聚集在一起,而不同地物应该具有不同的特征描述,因此不同特征地物像元在n维空间…

2019第一次作业

10.实验代码 include <stdio.h> int main(void) { int i, f, X, N; scanf("%d",&N); int a [N]; scanf("%d",&X); f0; for(i0;i<N;i){ scanf("%d",&a[i]); if(a[i]X){ printf("%d",i); f; } } if(f0){ printf(&q…

分布式——ACID原则 CAP理论

分布式计算的原理 分布式计算就是将计算任务分摊到大量的计算节点上&#xff0c;一 起完成海量的计算任务。而分布式计算的原理和并行计算 类似&#xff0c;就是将一个复杂庞大的计算任务适当划分为一个个 小任务&#xff0c;任务并行执行&#xff0c;只不过分布式计算会将这些…

Matlab高光谱样本相关性分析

一.高光谱图像数据分析 1.分析光谱波段的相关性 1.1 对于维度为(m,n,b)的高光谱数据&#xff0c;使用reshape函数将其变换为(N,b)维度的&#xff0c;其中N m x n&#xff0c;表示像素数量&#xff0c;b表示波段数。 1.2 分析样本(像素)间波段的相关性&#xff0c;采用函数c…

万众瞩目的特斯拉AI日,会有哪些惊喜?

来源&#xff1a;华尔街见闻作者&#xff1a;方凌8月19日&#xff0c;特斯拉AI日即将举行。马斯克此前曾表示&#xff0c;此次AI日将展示特斯拉在人工智能方面硬件和软件开发的进展&#xff0c;并且招募顶级人才。活动的日子日渐临近&#xff0c;对于特斯拉究竟将在放出什么“大…

第一次会议(2019/02/22)

小组名称及成员介绍 小组名称&#xff1a;Triple兔成员介绍&#xff08;均为1703班&#xff09;项目经理&#xff1a;刘晓丽&#xff08;右上&#xff09;前端开发&#xff1a;刘晓丽&#xff08;右上&#xff09;、王亚群&#xff08;右下&#xff09;后端开发&#xff1a;乔疏…

JVM 工作原理和流程

作为一名Java使用者&#xff0c;掌握JVM的体系结构也是必须的。 说起Java&#xff0c;人们首先想到的是Java编程语言&#xff0c;然而事实上&#xff0c;Java是一种技术&#xff0c;它由四方面组成&#xff1a;Java编程语言、Java类文件格式、Java虚拟机和Java应用程序接口(Jav…

中国未来技术学院盘点

来源&#xff1a;科学网8月19日&#xff0c;上海交通大学未来技术学院正式揭牌成立。香港首富、宁德时代公司董事长曾毓群担任未来技术学院名誉院长&#xff0c;宁德时代首席制造官和工程制造及研发体系联席总裁倪军出任首任院长。一家市值超万亿的高科技龙头企业掌门人和高管&…

QT高级编程之QT基本概览

QT高级编程 主要从以下几个方面来介绍QT高级编程&#xff0c;并介绍QT相关的概念。 1、 QT部件Widget&#xff1b; 2、 QT信号与槽机制&#xff1b; 3、 对象树关系&#xff1b; 4、 布局管理&#xff1b; 5、标准对话框以及自定义对话框&#xff1b; 6、文件与目录&#xff…

计算机视觉中的自注意力

来源&#xff1a;机器学习研究组订阅自从引入网络以来&#xff0c;深度学习中的注意力机制在机器翻译和 社区中广受欢迎。然而&#xff0c;在计算机视觉中&#xff0c;卷积神经网络 (CNN) 仍然是常态&#xff0c;自注意力才刚刚开始慢慢渗透到研究的主体中&#xff0c;要么补充…

QT信号与槽-启动系统程序以及相关控件介绍

1.1 创建一个继承至QWidget的项目。 1.2 设计界面,分析界面采用的布局方式。 首先&#xff0c;每行控件采用水平布局方式&#xff0c;第三行为了使控件靠右&#xff0c;前面添加一个占位控件。三行采用垂直平局&#xff1b;选中控件&#xff0c;通过右键可以控件的布局方式&a…

科技部向全社会征集颠覆性技术研发方向

来源&#xff1a;人民网据科技部网站消息&#xff0c;为提升我国重大科技创新方向前瞻布局能力&#xff0c;加快推动颠覆性技术创新&#xff0c;科技部办公厅拟面向各有关单位和广大科研人员&#xff0c;开展颠覆性技术研发方向建议征集工作&#xff0c;对于符合条件的建议&…

springboot前后端分离项目MultipartFile获取前端传的file为null问题

【问题描述】 springbootvue 前后端分离项目&#xff0c;在对接上传文件功能时&#xff0c;一直显示文件为空。 【分析】 查找了很多博客&#xff0c;解决方法五花八门&#xff0c;但原因应该还是 springboot自带的org.springframework.web.multipart.MultipartFile和Multi…

计算机网络( 二十二)-数据链路层(补充)

1.链路link&#xff1a;结点------>相邻结点的物理线路。 2.数据链路&#xff1a;物理线路通信协议,通信协议(通信规程)用来控制数据的传输。 3.最常用网络适配器(硬件、软件)来实现协议。适配器包括了数据链路层和物理层两层的功能。 4.数据链路层的协议数据单元PDU------帧…

《科学之路》| 图灵奖得主杨立昆人工智能十问:AI会统治人类吗?

来源&#xff1a;《科学之路》作者&#xff1a;杨立昆封面&#xff1a;Yukai Du即便是最先进的人工智能系统也存在局限性&#xff0c;它们还不如一只猫聪明。人工智能常常被认为是一项将要颠覆世界的技术&#xff0c;从这一概念诞生至今的65年中&#xff0c;无数电影与小说塑造…

计算机网络(二十三)-网络层-概述与数据交换方式

一.网络层的功能 主要任务是把分组从源端传送到目的端&#xff0c;为分组交换网上的不同主机提供通信服务。 网络层传输单位是数据报。功能 路由选择与分组转发&#xff0c;最佳路径。异构网络互联&#xff1b;拥塞控制&#xff1b; 若所有结点都来不及接收分组&#xff0c;网…

数字大脑学术沙龙:“城市大脑与应急管理专题研讨会”成功召开

来源&#xff1a;城市大脑全球标准研究组2021年以来城市大脑的建设与研究获得了长足发展&#xff0c;数百个城市开展了城市大脑的建设与规划&#xff0c;取得了诸多成果。于此同时&#xff0c;伴随着疫情、水灾、交通事故、环境事故的不断出现&#xff0c;城市大脑如何应对应急…

Java 注解:@PostConstruct和@PreConstruct

从Java EE5规范开始&#xff0c;Servlet增加了两个影响Servlet生命周期的注解&#xff08;Annotation&#xff09;&#xff1a;PostConstruct和PreConstruct。这两个注解被用来修饰一个非静态的void()方法.而且这个方法不能有抛出异常声明。 使用方式&#xff0c;例如&#xff…

计算机网络(二十四)-路由算法及路由协议

1.1 路由算法 将最优的路径填入路由转发表。 1.2 路由算法分类 静态路由算法(非自适应路由算法)&#xff1a;管理员手动配置路由信息。 简便、可靠&#xff0c;在负载稳定、拓扑变化不大的网络中运行效果很好&#xff0c;广泛用于高度安全性的军事网络和较小的商业网络。 动…

研究速递:老年人的心智能力不一定在衰减,抗干扰的能力会更强

来源&#xff1a; 混沌巡洋舰长期以来&#xff0c;人们一直认为&#xff0c;衰老会导致我们的心智能力大幅下降。现在&#xff0c;乔治城大学医学中心的新研究&#xff0c;反驳这一观点&#xff0c;研究结果发表在2021年8月19日的《自然---- 人类行为》杂志上&#xff0c;由于世…