Сделать стартовой  |  Добавить в избранное  |  RSS 2.0  |  Информация авторамВерсия для смартфонов
           Telegram канал ОКО ПЛАНЕТЫ                Регистрация  |  Технические вопросы  |  Помощь  |  Статистика  |  Обратная связь
ОКО ПЛАНЕТЫ
Поиск по сайту:
Авиабилеты и отели
Регистрация на сайте
Авторизация

 
 
 
 
  Напомнить пароль?



Противовирусный препарат Виталанг-2. Приобрести.


Навигация

Реклама


Загрузка...

Важные темы
Работа Дмитрия Медведева над «ошибками» страны...
Управление, как реальность: кое-что о Фурсенко, образовании...
Новые реалии методологии управления
Алекс Зес: Тезисы управления
США:У нас мало времени! Час расплаты близок!
Л.Ларуш: Америка рухнет первой. "Мы входим в период бунтов"
Теоретическая география


Анализ системной информации

» » » Квантовая нейросеть научилась работать с квантовыми данными

Квантовая нейросеть научилась работать с квантовыми данными


20-02-2020, 09:55 | Наука и техника / Новость дня | разместил: Редакция ОКО ПЛАНЕТЫ | комментариев: (0) | просмотров: (584)

 

Kerstin Beer et al. / Nature Communications, 2020

Физики обобщили концепцию искусственного перцептрона до квантовых систем и разработали квантовую нейросеть, способную производить произвольные вычисления. Нейросеть показала хорошую предсказательную способность в задаче определения случайного многокубитного преобразования даже на шумной выборке, а метод обучения, представленный учеными, потенциально дает экспоненциальное ускорение в обучении глубоких нейросетей. Работа опубликована в Nature Communications.

Алгоритмы машинного обучения обладают высокой вычислительной сложностью. Сейчас, когда мощность классических компьютеров перестает расти (начинает нарушаться закон Мура), необходим новый подход к обучению, что влечет за собой фундаментально другую реализацию нейросети. В то же время квантовые устройства, способные превзойти классические компьютеры в определенных задачах, позволяют реализовать квантовое машинное обучение. 

Ученые уже давно используют симбиоз предсказательных алгоритмов и квантовых вычислений. Например, физики используют машинное обучение для предсказания динамики многочастичных систем, на которых строятся кубиты, а квантовые вычисления, в свою очередь, могут помочь ускорить классические алгоритмы обучения. Одна из областей такого машинного обучения включает в себя созданиеквантовой нейросети, способной обучаться на квантовых данных. Для создания такой сети ученым необходимо реализовать искусственный нейрон в квантовых системах, разработать архитектуру сети и модель обучения.

Физики из Ганноверского университета имени Лейбница под руководством профессора Рамоны Вульф (Ramona Wolf) представили квантовый аналог классической модели нейронов, которые формируют нейросети с прямой связью. Такие сети, например, могут производить универсальные квантовые вычисления. 

Элементарный блок такой нейросети — это квантовый перцептрон, аналог перцептронов, используемых в классическом машинном обучении. Для реализации перцептрона физики использовали локальную унитарную операцию, которая преобразовала состояние m кубитов в состояние n кубитов — такая операция имеет 22(m+n)-1 параметров. В качестве входных данных использовалось квантовое состояние входного слоя кубитов, а в качестве предсказания ученые получали состояние выходного слоя кубитов.

 

Модель квантовой нейросети, в которой в качестве нейрона выступает унитарное преобразование.

Kerstin Beer et al. / Nature Communications, 2020

Интересная особенность представленного метода обучения заключается в том, что параметры локальных преобразований могут быть вычислены послойно, то есть без необходимости применения преобразования ко всем кубитам — в результате количество изменяемых параметров масштабируется лишь с шириной сети (числами m и n), что позволяет обучать очень глубокие нейросети.

В качестве примера работы сети ученые рассматривали задачу получения случайной матрицы из ограниченного набора случайных входных и выходных векторов квантовых состояний, чья размерность меньше ширины сети. Нейросеть показала хорошую динамику обучения и, более того, устойчивость к шумным данным.

 

Результаты обучения квантовой нейросети. Обратная функция потерь, полученная из численного моделирования сетииз (оранжевые точки) и теоретической модели (фиолетовые точки) в зависимости от количества пар в выборке. Вставка показывает устойчивость сети к шумным данным.

Kerstin Beer et al. / Nature Communications, 2020

Ранее компания Google использовала вариационные квантовые алгоритмы, которые тоже можно рассматривать как нейросети, для моделирования молекул, а ученые из США в 2017 году предложилииспользовать квантовые точки на основе цинка для создания масштабных нейросетей.

Михаил Перельштейн

https://nplus1.ru/news/2020/02...



Рейтинг публикации:

Нравится3




Комментарии (0) | Распечатать

Добавить новость в:


 



 
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь. Чтобы писать комментарии Вам необходимо зарегистрироваться либо войти на сайт под своим именем.






» Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации. Зарегистрируйтесь на портале чтобы оставлять комментарии
 


Новости по дням
«    Сентябрь 2020    »
ПнВтСрЧтПтСбВс
 123456
78910111213
14151617181920
21222324252627
282930 

Погода
Яндекс.Погода


Реклама


Загрузка...

Опрос
Уход Лукашенко




Реклама
Загрузка...

Облако тегов
Аварии и ЧП на АЭС, Акция: Пропаганда России, Америка настоящая, Арктика и Антарктика, Блокчейн и криптовалюты, Воспитание, Высшие ценности страны, Геополитика, Импортозамещение, ИнфоФронт, Кипр и кризис Европы, Кризис Белоруссии, Кризис Британии Brexit, Кризис Европы, Кризис США, Кризис Турции, Кризис Украины, Кризис в России, Любимая Россия, Навальный, Новости Украины, Оружие России, Остров Крым, Правильные ленты, Россия, Сделано в России, Ситуация в Сирии, Ситуация вокруг Ирана, Скажем НЕТ Ура-пЭтриотам, Скажем НЕТ хомячей рЭволюции, Служение России, Солнце, Трагедия Фукусимы Япония, Хроника эпидемии, видео, коронавирус, новости, политика, сша, украина

Показать все теги
Реклама

Популярные
статьи



Реклама одной строкой

    Главная страница  |  Регистрация  |  Сотрудничество  |  Статистика  |  Обратная связь  |  Реклама  |  Помощь порталу
    ©2003-2020 ОКО ПЛАНЕТЫ

    Материалы предназначены только для ознакомления и обсуждения. Все права на публикации принадлежат их авторам и первоисточникам.
    Администрация сайта может не разделять мнения авторов и не несет ответственность за авторские материалы и перепечатку с других сайтов. Ресурс может содержать материалы 16+


    Map