北京快三走势图预测|北京快三基本走势图
  • 助力網絡強國建設
  • 引領科研信息化發展

Nature:量子計算機成功實現監督式機器學習

作者: 2019-03-15 15:20 來源:
放大 縮小

   關于量子計算和機器學習之間的融合一直是業界關注的焦點。最近在《自然》上的一篇論文,從二者對數據處理方式的聯系出發,將傳統計算機的數據映射到只存在量子態的空間中,實現面向圖像識別任務的監督式機器學習過程。量子計算機的“殺手級應用”可能很快就要誕生了。

  一提到量子計算機,人們的第一印象往往是,這些機器很難在臺式電腦等經典計算機上進行模擬。換句話說,無法使用經典計算機獲得量子計算的結果。因為描述量子計算的每個內部步驟需要大量的數字。許多人在學習分割大數字時需要的步驟極其繁多。如果在經典計算機上模擬量子計算,那么每個中間步驟可能需要更多的數字來描述,這個數字甚至可能比宇宙中可觀察到的原子總數還要大。如果量子態與許多數值相關聯,則稱其在大空間中“存在”。對于某些基于連續變量的量子計算機,這樣的空間甚至是無限大的。

  相比之下,機器學習分析的數據空間要小得多,即用來描述數據的值更少。比如,包含一百萬像素的照片僅記錄了代表紅色、綠色、藍色的三百萬個數字。機器學習的任務目標可能是猜測圖像的內容,也可能是生成類似的圖像。不過,機器學習中一個成熟的理論稱為“核方法”(kernel method),對數據的處理方式與量子理論的數據處理的方式很類似。簡而言之,“核方法”是通過定義哪些數據點彼此相似、哪些數據點不相似來執行機器學習任務的。從數學上講,相似性是數據空間中的距離,即數據點表示之間的距離的數字表示。

  目前的假設是,相似的圖像具有相似的內容,數據點之間的距離在機器學習中是至關重要的。但對“相似”的確切定義并不像聽起來那么簡單。比如,如果基于每個圖像中的紅色像素數量來看,兩個圖像之間的在數據空間中的距離是多少?數據空間中許多關于“相似性”的定義,在數學上相當于在可能無限大的空間中的相似性的簡單量度。因此,在每次比較兩個圖像時,圖像可以被映射到巨大空間中的表示,并計算映射和原圖像之間的簡單相似性。目前,傳統計算機無法確切地計算這個大型表示,但也許量子計算機可以。因為量子計算機能夠在極大的空間中進行計算。如果將數據映射到量子態所在的空間,會發生什么呢?

   文章中,Havlí?ek等人展示了量子計算機如何提高機器學習算法的性能。先由傳統計算機使用機器學習對動物的圖像進行分類。包含相似顏色像素的圖像在數據空間中的距離較近。經典計算機將這些數據發送到量子計算機,后者將每個圖像映射到對應量子狀態空間中的特定量子態。在數據空間中距離較近、但內容不同的圖像,由量子空間中相距很遠的狀態表示。然后由量子計算機將量子態間的距離發送至經典計算機,改善圖像分類效果。他們使用的是IBM Q量子計算機。 

  此文證明了使用量子計算機進行機器學習的革命性方法,并提出了將更流行的人工神經網絡融入量子計算領域的多種嘗試,“核方法”在機器學習和量子理論之間提供了一座橋,令人耳目一新。不過,發現并承認這座橋的存在只是一個開始。Havlí?ek等人提出的方法的確切性還有待進一步觀察。盡管在量子空間中進行數據表示,對于真實世界的機器學習應用是有用的。不過,我們并不知道該方法是否與有意義的相似性量度相關,比如,在對動物的圖像進行分類時,是否可以做到將貓的圖片放置在另一幅貓的圖片附近,而不是狗的圖片附近。此外,目前關于是否存在性能和效果更好其他策略,仍然不是十分清楚。這個技術是否足以戰勝已使用了近30年的經典方法?如果可以,量子計算機的“殺手級應用”可能很快就要誕生了。但這無疑是一個更加復雜的問題。

  論文地址:

  https://www.nature.com/articles/s41586-019-0980-2

附件:
北京快三走势图预测