Материал портала ядерных знаний BelNET
статья/документ по запросу ресурса "1482"
2021-10-20 На сайте Phys.org опубликована статья "Breakthrough proof clears path for quantum artificial intelligence (AI)" - "Прорывное доказательство открывает путь для квантового искусственного интеллекта (ИИ)".
Сверточные нейронные сети, работающие на квантовых компьютерах, вызвали значительный интерес из-за своего потенциала анализировать квантовые данные 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. В качестве методологии искусственного интеллекта (ИИ) квантовые сверточные нейронные сети вдохновлены зрительной корой головного мозга. По сути, они включают 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. До сих пор исследователи квантового машинного обучения анализировали, как смягчить последствия бесплодных плато, но у них не было теоретической основы, чтобы полностью избежать этого. Проделанная работа 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. В результате 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. Подробности см. здесь. Со статьей можно ознакомиться здесь: Arthur Pesah et al. Absence of Barren Plateaus in Quantum Convolutional Neural Networks, Physical Review X (2021). DOI: 10.1103/PhysRevX.11.041011. Загрузить:
|
Вход, регистрация
