当量子计算遇到机器学习

作者:  Dr.Alessandro Crimi    

译者:  苏本如

出品:CSDN(ID:CSDNnews)

量子计算和机器学习已经成为当今炙手可热的话题。排除一些明显的炒作外,这当中也有一些真正的基础。随着传统计算技术的发展,基于机器学习等领域的图像相关分析已经取得了令人难以置信的成果。另一方面,量子物理学一直是一个令人难解的神秘领域,它引起了数学(以及许多完全不科学的伪科学)发展的突飞猛进。量子计算正在成为克服传统计算的一些局限性的新方法,包括晶体管小型化的物理限制。

1

在过去的一年里,人们已经将量子计算作为神经网络的层级,或者将其视为朴素贝叶斯分类器。2020 年 3 月,谷歌宣布发布 TensorFlow Quantum,这是一系列将最先进的机器学习与量子计算算法结合在一起的工具。

简而言之,这个工具的思路是将量子计算作为分类系统中的一个步骤,但我们也可能反过来考虑。

量子机器学习分类器的典型设置(图片由作者提供)

另一种方法是由 Q-CTRL 公司创新提出的,Q-CTRL 一家专注于量子计算的公司,位于悉尼和洛杉矶。这种方法已经得到验证,它将重点放在量子计算上,并有效地使用机器学习来抑制量子硬件噪声和缺陷的影响。

2

大多数量子计算机硬件可以在不到一毫秒的时间内完成计算,但是因为噪音的影响而需要复位,其导致的性能目前还不如低成本的笔记本电脑。这个结果比我们听到的要糟糕得多,在下一节中我会详细解释这一点。

量子退相干(DECOHERENCE)

量子位(也叫量子比特,qu-bits),这个经典二进制位在量子计算机中的量子版本,当它暴露于硬件噪声中时,其中的信息非常容易退化。这个过程被称为量子退相干(decoherence)。这是我们仍处于量子计算初期的原因之一。

下面是我提供的屏幕截图,一个是理想情况下的一个量子位的预期结果,另一个是在硬件噪声影响下的结果。从一个量子位来看,结果似乎没有那么糟糕,但是想象一下执行一项任务所需要的所有量子位,就可以想象被噪声影响的结果有多大(即使和一个树莓派卡式电脑或手机相比)。

从上图(作者截屏)看到的一个量子位的预期结果

受噪声影响的一个量子位的结果(作者截屏)

如何解决量子退相干问题?自 90 年代后期以来,像安德鲁·斯蒂恩(Andrew Steane)和彼得·肖尔(PeterShor)这样的专家已经提出了一些模型,这些模型通过引入某种冗余来补偿它。然而,如果考虑到需要引入大量的量子位(你需要将每个量子比特重复几次),这种方法在我们现有的量子计算机上实际是不可行的。

3

Q-CTRL 公司的解决方案是创建基于机器学习的固件,该固件可以修复量子退相干,而不需要额外的不可行的硬件。

量子计算硬件是基于光-物质的交互作用(光学硬件)来执行量子逻辑运算的。这些电磁信号的组成实际上是一种算法,可由机器学习工具定义/细化。这个笨重的圆圈应该会减少量子退相干。要真正理解这种方法,需要具备一个典型的机器学习专家所不具备的量子计算方面的知识。我将在下面部分尽力做个介绍。

Q-CTRL 解决方案被称为 BOULDER OPAL,它是一个 Python 包,可以通过在终端机器中键入如下命令来轻松安装:

pip install qctrl

并简单地执行以下的导入命令:

from qctrl import Qctrl

接下来的工作就是如何设置哈密顿算子(Hamiltonian),dephase,control 等等参数了…,这些是另外一个单独的话题(如果你感兴趣,可以从下面给出的的参考资料中学习,或者阅读这个文档)。关键点是要实现控制并降低噪声,可以通过使用 TensorFlow 或其他机器学习工具来获得基于复杂梯度的优化方法,这些将在下面关于强化学习的部分中讨论。

强化学习(REINFORCEMENTLEARNING)

在可以用来控制噪声的优化中,强化学习已经得到了成功的应用。强化学习是机器学习的一个领域,在该领域中,智能代理(agent)会在一个环境中采取行动,以最大化累积奖励。

量子硬件中强化学习的整体视图。图片来源于iStock

通过量子计算中的强化学习,学习者(Learner)可以通过对量子设备本身进行实验来创建一个优化的脉冲。此外,强化学习可以发现和利用我们不知道的新物理机制。然而,这样做的缺点是学习者无法告诉你如何找到解决方案,因此我们无法了解设备中噪声抑制的物理原理。

对于那些习惯于机器学习而非量子计算的人们,我将在量子物理和强化学习使用的术语之间建立一座桥梁:量子计算机被视为是一个机器学习代理(agent)的环境。该代理的任务是实现执行高保真门的目标。agent 能够对环境做出各种动作(在我们的例子中,是将脉冲施加到量子计算机)。

agent 通过使用一组可测量的可观察值和基于与目标的接近程度的奖励来学习,以实现其目标。我们的奖励来自门保真度。经过多次实验,学习算法利用这些信息来提高 agent 的性能。

4

总结

  • 为了了解环境和状态,agent 向量子计算机部署了一系列脉冲。

  • 然后 agent 获取此状态,并使用此信息来决定下一步要执行的操作。

在实践中,agent 获取状态并使用神经网络来决定对下一段脉冲采取什么行动。我们对脉冲的幅度进行量化,以便 learner 从一组有限的选项中进行选择。

一个完整的门脉冲被称为一个 episode,在 episode 结束时对 agent 的奖励(在强化学习术语中)由状态给出。这使我们能够将误差信号提升到测量噪声之上。

上述强化学习可以在多种学习者中进行,包括深度策略梯度(DPG)、深度确定性策略梯度(DDPG)和 SAC(Soft Actor Critic)算法。所有这些 learner 都有超参数,必须先对其进行调整,然后才能用于真正的实验

实验可以在 IBM 的量子计算机上运行,也可以结合众所周知的量子计算工具(如 QSkit)和机器学习工具(如 SciKit-learn)。

这种基于机器学习的优化量子计算方法已经证明可以减少硬件错误并提高门保真度(如下图):

图片来源:Q-CTRL/悉尼大学(Mavadiaet al. Nature Com. 2017)

参考资料

  • M. Hidary:Quantum computing: an applied approach

  • T.Jaksch、R.Ortner和P.Auer:Near-optimal Regret Bounds forReinforcement Learning

  • Q-CTRL Quantum Firmware

英文标题:Don’t ask what Quantum Computing can do for MachineLearning

原文链接:https://towardsdatascience.com/dont-ask-what-quantum-computing-can-do-for-machine-learning-cc44feeb51e8

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)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  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/485133.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

王贻芳院士:我们的科技管理过度强调竞争,缺乏稳定支持

来源: 科学网作者:倪思洁“我们中国的GDP大概很快会实现世界第一,我们什么时候也能在纯科学方面对世界有重大贡献呢?”3月7日,全国人大代表、中科院院士、中科院高能物理研究所所长王贻芳在江苏代表团上发言说。王贻芳…

城市大脑全球标准研究3:如何理解城市大脑中的“大脑”?

作者:刘锋前言:2015年城市大脑概念和定义提出时,城市大脑的本意是指应用范围,覆盖地域非常广大的城市级神经系统,是巨大的“脑“,这里的“大”与大数据的”大”含义相同,此后产业界也有认为城市…

Django 模板系统2

1. tags 2. 母版和继承   1. 母版   就是一个普通的HTML文件,提取多个页面的公共部分   减少代码量 修改十分方便   定义block块   2. 使用(继承)   在子页面中   {% entends base.html %}   重新修改block块中的内容   3…

记pbcms网站被攻击,很多标题被篡改(1)

记得定期打开网站看看哦! 被攻击后的网站异常表现:网页内容缺失或变更,页面布局破坏,按钮点击无效,...... 接着查看HTML、CSS、JS文件,发现嵌入了未知代码! 攻击1:index.html 或其他html模板页面的标题、关键词、描述被篡改(俗称,被挂马...),如下: 攻击2:在ht…

Nature撤稿!三年前微软在量子计算上的巨大胜利终究是个错误

文章来源:wired多年来,为了构建一台能够实际运行的量子计算机,微软一直押注一种称为马约拉纳费米子的量子粒子。三年前,由微软资助的研究团队在《自然》杂志发表的论文称,证明这种粒子确实存在,但这一发现遭…

分布式事务两阶段提交

前言 不知道你是否遇到过这样的情况,去小卖铺买东西,付了钱,但是店主因为处理了一些其他事,居然忘记你付了钱,又叫你重新付。又或者在网上购物明明已经扣款,但是却告诉我没有发生交易。这一系列情况都是因为…

【重磅收藏】智源发布《人工智能的认知神经基础白皮书》

来源:brainnews完整报告下载链接????https://event-cdn.baai.ac.cn/20210308/2020-brain-and-machine-intelligence-report.pdf(可点击「阅读原文」查看)《2020年人工智能的认知神经基础白皮书》指导老师:智源“人工智能的认知…

ConcurrentHashMap源码剖析(1.8版本)

目录 ConcurrentHashMap源码剖析数据结构NodeForwardingNodeTreeNodeTreeBin核心成员核心函数ConcurrentHashMap(int initialCapacity)initTableputgettreeifyBintryPresizetransferaddCountConcurrentHashMap源码剖析 基于jdk1.8。 参考文章: https://yq.aliyun.co…

2021十大关键显示科技趋势

来源:国际信息显示学会SID排版:珊妮作者:Sri Peruvemba,CEO,Marketer International Inc.翻译:SID China2021年显示技术正在发生巨变,随着我们进入未来十年,我们将拥有更加智能、紧凑…

科技议题“破圈”有利还是有弊|观点

编辑:赵路排版:郭刚作者:李侠最近几年时常出现科技议题进入社会领域并引起社会广泛关注的现象,学界通常将之称为“破圈”,即议题突破科技界原有的狭小圈子而进入更大的社会领域,并引来社会热议。客观地说&a…

学术研究发现英特尔 CPU 存在新漏洞

作者:Thomas Claburn译者:Sambodhi策划:施尧美国的芯片黑客又想出了一种方法,利用英特尔的处理器设计选择来窃取敏感数据。伊利诺伊大学香槟分校的博士生 Riccardo Paccagnella、硕士生 Licheng Luo 和助理教授 Christopher Fletc…

Leetcode--994. 腐烂的橘子(java)

在给定的网格中,每个单元格可以有以下三个值之一: 值 0 代表空单元格; 值 1 代表新鲜橘子; 值 2 代表腐烂的橘子。 每分钟,任何与腐烂的橘子(在 4 个正方向上)相邻的新鲜橘子都会腐烂。 返回直…

CICC科普栏目丨时间之箭:从熵到大爆炸再到万物理论(一)

来源:BBC转自:数学加油吧假设有这么一天,你在家里感到无聊,你把几个鸡蛋顶在头上表演起杂耍,但你的表演不太成功,鸡蛋打碎糊了你一脸。现在你将不得不去洗下脸再冲个澡,然后换上一身新衣服。那为…

只有这种AI芯片才能拯救人工智能?

来源:内容由半导体行业观察(ID:icbank)编译:「wired」人工智能不断发展,对保持AI运行所需的计算能力的渴望也与日俱增。Lightmatter,一家诞生于MIT的初创公司,他们正在押注一款使用光…

CSS 小结笔记之文字溢出处理

有时文字会溢出盒子,这时一般要对文字进行溢出处理。一般有以下三种处理方法: 1、word-break:normal | break-all |keep-all normal 使用浏览器默认的换行 break-all 允许单词内换行即允许单词拆开显示 keep-all 不允许拆开单词显示,连字符除…

GPT-2大战GPT-3:OpenAI内部的一场终极对决

作者:Kevin Vu译者:Sambodhi策划:刘燕由于在训练过程中使用的数据集的多样性,我们可以为来自不同领域的文本获得足够的文本生成。GPT-2 的参数和数据是其前代 GPT 的 10 倍。而 GPT-3 又是 GPT-2 的 10 倍。那么问题来了&#xff…

AI解梦成为现实,贝尔实验室新算法尝试找到梦境的隐藏含义

文章来源: 学术头条古代巴比伦人认为梦境包含了预言,而古埃及人则将梦境视为神灵给予的信息来崇拜。在 19 世纪 90 年代,西格蒙德弗洛伊德(Sigmund Freud)为梦境里面的人物、物体和场景分配了象征意义,并着…

个人项目:wc程序(java)

Github项目地址:https://github.com/jat0824/wc.git 项目相关要求 wc.exe 是一个常见的工具,它能统计文本文件的字符数、单词数和行数。这个项目要求写一个命令行程序,模仿已有wc.exe 的功能,并加以扩充,给出某程序设计…

【剑指offer】面试题35:复杂链表的复制(Java)

请实现 copyRandomList 函数,复制一个复杂链表。在复杂链表中,每个节点除了有一个 next 指针指向下一个节点,还有一个 random 指针指向链表中的任意节点或者 null。 示例 1: 输入:head [[7,null],[13,0],[11,4],[10,2…

【综述专栏】图神经网络综述

来源:图灵人工智能作者:王健宗等https://wwwihcm/people/euu-lin-jun-7原文链接:https://kns.cnki.net/kcms/detail/31.1289.tp.20201123.1641.002.html摘要:随着计算机行业和互联网时代的不断发展与进步,图神经网络已…