Квантовые нейронные сети

Квантовые нейронные сети.

1 Общая информация

• Квантовая нейронная сеть — это вариационная квантовая схема (VQC), которая обучается классическим оптимизатором.

• Она состоит из:

  • слоя кодирования классических данных в квантовое состояние,
  • параметризованных квантовых вентилей (обучаемые параметры),
  • запутывающих операций,
  • измерения, дающего классический выход.

• Обучение происходит гибридно:

  • квантовый процессор (или симулятор) вычисляет прямой проход;
  • классический компьютер обновляет параметры, используя градиенты.

2 Потенциальные преимущества

• Использование квантовых ресурсов

  • Квантовое состояние из \(n\) кубитов описывается \(2^n\) амплитудами.
  • Это экспоненциально большое пространство признаков.
  • Теоретически QNN могут представлять некоторые функции более компактно, чем классические сети, за счёт суперпозиции и запутанности.

• Естественность для квантовых данных

  • Если данные сами имеют квантовую природу (молекулы, квантовые поля, состояния многочастичных систем), QNN могут обрабатывать их напрямую, без предварительного классического кодирования.

• Потенциальное квантовое ускорение

  • Для отдельных задач машинного обучения (например, ядерные методы, решение линейных систем, квантовые преобразования сингулярных значений) существуют алгоритмы с теоретическим ускорением.
  • QNN — один из способов приблизиться к этим преимуществам на практике.

• Работа в эру NISQ

  • Вариационные схемы относительно устойчивы к шумам и могут исполняться на современных промежуточных квантовых процессорах.
  • Это позволяет уже сейчас экспериментировать с квантовым ML, не дожидаясь отказоустойчивых компьютеров.

3 Критика

• На сегодняшний день доказанного квантового преимущества для большинства задач ML нет.

• Проблемы:

  • проблема бесплодных плато (barren plateaus). Градиенты исчезают с ростом числа кубитов;
  • шумы и декогеренция на реальных устройствах;
  • ограничения на число кубитов и связность;
  • многие QNN могут быть эффективно смоделированы классически.

• смысл QNN сейчас — не в замене классических нейросетей, а в исследовании нового вычислительного ресурса, разработке методов обучения и поиске задач, где квантовые эффекты дают реальный выигрыш.