Phân loại lượng tử với hạt nhân lượng tử phù hợp?

Các nhà khoa học thông tin lượng tử đã giới thiệu một phương pháp mới để phân loại học máy trong điện toán lượng tử. Các hạt lượng tử phi tuyến tính trong phân loại nhị phân lượng tử cung cấp những hiểu biết mới để cải thiện độ chính xác của việc học máy lượng tử, được coi là có thể vượt trội hơn công nghệ AI hiện tại.

Nhóm nghiên cứu do Giáo sư June-Koo Kevin Rhee dẫn đầu từ Trường Kỹ thuật Điện đã đề xuất một bộ phân loại lượng tử dựa trên độ trung thực của trạng thái lượng tử bằng cách sử dụng trạng thái ban đầu khác và thay thế phân loại Hadamard bằng thử nghiệm hoán đổi. Không giống như cách tiếp cận thông thường, phương pháp này được kỳ vọng sẽ tăng cường đáng kể các nhiệm vụ phân loại khi tập dữ liệu huấn luyện nhỏ, bằng cách khai thác lợi thế lượng tử trong việc tìm kiếm các tính năng phi tuyến tính trong một không gian tính năng lớn.

Học máy lượng tử hứa hẹn là một trong những ứng dụng bắt buộc cho điện toán lượng tử. Trong học máy, một vấn đề cơ bản cho một loạt các ứng dụng là phân loại, một nhiệm vụ cần thiết để nhận dạng các mẫu trong dữ liệu đào tạo được gắn nhãn để gán nhãn cho dữ liệu mới chưa từng thấy trước đây; và phương thức kernel đã là một công cụ phân loại vô giá để xác định các mối quan hệ phi tuyến tính trong dữ liệu phức tạp.

Gần đây, phương pháp hạt nhân đã được giới thiệu trong học máy lượng tử với thành công lớn. Khả năng máy tính lượng tử truy cập và thao tác dữ liệu hiệu quả trong không gian tính năng lượng tử có thể mở ra cơ hội cho các kỹ thuật lượng tử để tăng cường các phương pháp học máy hiện có khác nhau.

Ý tưởng của thuật toán phân loại với hạt nhân phi tuyến là đưa ra trạng thái kiểm tra lượng tử, giao thức tính toán tổng công suất trọng số của độ chính xác của dữ liệu lượng tử song song thông qua mạch thử nghiệm hoán đổi theo hai phép đo đơn qubit. Điều này chỉ đòi hỏi một số lượng nhỏ các hoạt động dữ liệu lượng tử bất kể kích thước của dữ liệu. Tính mới của phương pháp này nằm ở chỗ dữ liệu đào tạo được dán nhãn có thể được đóng gói dày đặc vào trạng thái lượng tử và sau đó được so sánh với dữ liệu thử nghiệm.

Nhóm KAIST phối hợp với các nhà nghiên cứu từ Đại học KwaZulu-Natal (UKZN) ở Nam Phi và Data Cybernetics ở Đức đã tiếp tục phát triển nhanh chóng lĩnh vực học máy lượng tử bằng cách giới thiệu các phân loại lượng tử với hạt nhân lượng tử phù hợp.

Dữ liệu đầu vào được biểu thị bằng dữ liệu cổ điển thông qua bản đồ tính năng lượng tử hoặc dữ liệu lượng tử nội tại và việc phân loại dựa trên hàm nhân đo lường mức độ gần gũi của dữ liệu thử nghiệm với dữ liệu huấn luyện.

Tiến sĩ Daniel Park tại KAIST, một trong những tác giả chính của nghiên cứu này nói rằng hạt nhân lượng tử có thể được điều chỉnh một cách có hệ thống với một tổng năng lượng tùy ý, khiến nó trở thành một ứng cử viên tuyệt vời cho các ứng dụng trong thế giới thực.

Giáo sư Rhee nói rằng việc rèn lượng tử, một kỹ thuật được nhóm phát minh trước đó, cho phép bắt đầu giao thức từ đầu, ngay cả khi tất cả các dữ liệu đào tạo được dán nhãn và dữ liệu thử nghiệm được mã hóa độc lập trong các qubit riêng biệt.

Giáo sư Francesco Petruccione từ UKZN giải thích: “Độ trung thực trạng thái của hai trạng thái lượng tử bao gồm các phần ảo của biên độ xác suất, cho phép sử dụng không gian đặc trưng lượng tử đầy đủ.”

Để chứng minh tính hữu dụng của giao thức phân loại, Carsten Blank từ Data Cybernetics đã triển khai trình phân loại và so sánh các mô phỏng cổ điển sử dụng máy tính lượng tử IBM năm qubit có sẵn miễn phí cho người dùng công cộng thông qua dịch vụ đám mây. “Đây là một dấu hiệu đầy hứa hẹn rằng lĩnh vực này đang tiến triển,” Blank lưu ý.

Nguồn truyện:

Tài liệu được cung cấp bởi Viện Khoa học và Công nghệ tiên tiến Hàn Quốc (KAIST) . Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.

Tạp chí tham khảo :

1. Carsten Trống, Daniel K. Park, tháng 6-Koo Kevin Rhee, Francesco Petruccione. Phân loại lượng tử với hạt nhân lượng tử phù hợp . Thông tin lượng tử npj , 2020; 6 (1) DOI: 10.1038 / s41534-020-0272-6