Объединение квантовых и классических слоёв обеспечивает большую производительность нейронным сетям
Создание эффективных квантовых нейронных сетей является перспективным направлением исследований на стыке квантовых вычислений и машинного обучения. Команда из Terra Quantum AG разработала параллельную гибридную квантовую нейронную сеть и продемонстрировала, что их модель — мощный инструмент для квантового машинного обучения. Это исследование было опубликовано в журнале Intelligent Computing.
Гибридные квантовые нейронные сети обычно состоят из квантового слоя — вариационной квантовой схемы, и классического слоя — нейронной сети глубокого обучения, называемой многослойным персептроном. Подобная архитектура позволяет исследователям изучать сложные шаблоны и зависимости из входных данных гораздо легче, чем при традиционных методах машинного обучения.
Авторы статьи сосредоточились на параллельных гибридных квантовых нейронных сетях. В таких сетях квантовый и классический слои одновременно обрабатывают один и тот же вход и затем производят совместный вывод — линейную комбинацию выходов из обоих слоев.
Результаты обучения показывают, что параллельная гибридная сеть может превзойти по эффективности как ее квантовый, так и классический слой. Обученная на двух наборах данных с добавлением шума высокой частоты, гибридная модель показывает меньшие потери при обучении, предоставляет лучшие прогнозы и оказывается более приспособленной к сложным задачам.
Квантовый и классический слои оба вносят свой вклад в эффективное взаимодействие двух систем. Квантовый слой отображает гладкие периодические части, в то время как классический многослойный персептрон корректирует добавления шума. Успех параллельной гибридной сети зависит от настройки и коррекции темпа обучения и других параметров, таких как количество слоев и нейронов в каждом слое многослойного перцептрона.
Для увеличения количества выходных данных во время обучения вариационные квантовые схемы корректируют параметры квантовых вентилей, контролирующих состояние кубитов, а многослойные персептроны в основном настраивают силу связей, или так называемые веса, между нейронами.

Модель принимает входные данные и одновременно передает их в квантовый и классический слои для параллельной обработки, а затем объединяет выходные данные обоих слоев для получения окончательного результата.
Учитывая, что квантовые и классические слои обучаются с разной скоростью, исследователи изучили как соотношение вклада каждого слоя влияет на производительность гибридной модели и обнаружили, что корректировка темпа обучения важна для поддержания сбалансированного соотношения вкладов. Создание настраиваемого планировщика темпа обучения ляжет в основу будущих исследований, так как планировщик может улучшить скорость и производительность гибридной модели.
Новый подход представляет собой перспективное направление для дальнейших исследований в области квантового машинного обучения, и команде предстоит провести больше экспериментов для увеличения возможностей своей модели и ее применения в различных приложениях.
Гибридные квантовые нейронные сети обычно состоят из квантового слоя — вариационной квантовой схемы, и классического слоя — нейронной сети глубокого обучения, называемой многослойным персептроном. Подобная архитектура позволяет исследователям изучать сложные шаблоны и зависимости из входных данных гораздо легче, чем при традиционных методах машинного обучения.
Авторы статьи сосредоточились на параллельных гибридных квантовых нейронных сетях. В таких сетях квантовый и классический слои одновременно обрабатывают один и тот же вход и затем производят совместный вывод — линейную комбинацию выходов из обоих слоев.
Результаты обучения показывают, что параллельная гибридная сеть может превзойти по эффективности как ее квантовый, так и классический слой. Обученная на двух наборах данных с добавлением шума высокой частоты, гибридная модель показывает меньшие потери при обучении, предоставляет лучшие прогнозы и оказывается более приспособленной к сложным задачам.
Командная работа двух слоев персептрона
Квантовый и классический слои оба вносят свой вклад в эффективное взаимодействие двух систем. Квантовый слой отображает гладкие периодические части, в то время как классический многослойный персептрон корректирует добавления шума. Успех параллельной гибридной сети зависит от настройки и коррекции темпа обучения и других параметров, таких как количество слоев и нейронов в каждом слое многослойного перцептрона.
Для увеличения количества выходных данных во время обучения вариационные квантовые схемы корректируют параметры квантовых вентилей, контролирующих состояние кубитов, а многослойные персептроны в основном настраивают силу связей, или так называемые веса, между нейронами.
Модель принимает входные данные и одновременно передает их в квантовый и классический слои для параллельной обработки, а затем объединяет выходные данные обоих слоев для получения окончательного результата.
Учитывая, что квантовые и классические слои обучаются с разной скоростью, исследователи изучили как соотношение вклада каждого слоя влияет на производительность гибридной модели и обнаружили, что корректировка темпа обучения важна для поддержания сбалансированного соотношения вкладов. Создание настраиваемого планировщика темпа обучения ляжет в основу будущих исследований, так как планировщик может улучшить скорость и производительность гибридной модели.
Новый подход представляет собой перспективное направление для дальнейших исследований в области квантового машинного обучения, и команде предстоит провести больше экспериментов для увеличения возможностей своей модели и ее применения в различных приложениях.
Наши новостные каналы
Подписывайтесь и будьте в курсе свежих новостей и важнейших событиях дня.
Рекомендуем для вас
Возможно, целлофановые пчелы — спасение человечества: они миллионы лет делают то, что нужно нам как воздух
Поразительно, но удивительный продукт ученые нашли почти полвека назад, но почему-то до последнего времени не обращали на него внимания...
Тайна скифской ДНК: что поразило российских ученых, когда они заглянули в геном легендарных кочевников древности
Оказалось, что 2500 лет подряд историки ошибались в происхождении этого народа. Теории и учебники придется серьезно переписать...
Новый рецепт апокалипсиса: даже небольшая ядерная боеголовка на орбите гарантировано выведет из игры 99% аппаратов за считаные дни
Однако самое опасное, по словам ученых, начнется позже. Почему космос будет фактически закрыт?...
Ненужный рай: 1500-километровое путешествие показало, почему древние люди обходили стороной Зеленую Аравию
Выяснилось, что питьевая вода еще не делает местность пригодной для жилья. Племенам из древности требовалось еще кое-что необходимое...
Назад в будущее: в России вернут проводное радио. Зачем? Почему спорят эксперты?
В технологию уже вложено более миллиарда рублей, а МЧС называет проводное радио лучшим способом оповещения на сегодня...
Древние майя настолько любили красный цвет, что в итоге эта страсть, возможно, стала одной из причин гибели цивилизации
Ученые нашли доказательства, как яркая краска способствовала краху великой империи...
Авиация в США наконец-то уходит… с дискет: почему так поздно и как с этим обстоят дела в России?
Американцы потратили на выход из 90-х чудовищные суммы, но далеко не факт, что все заработает в срок и как надо...
Настоящий Ковчег Завета, возможно, спрятан в Эфиопии: почему его может видеть только один человек?
Этой истории 3000 лет, но она до сих пор далека от своего завершения...
Загадочный астероид неожиданно ускорился: у астрофизиков заканчиваются объяснения и гипотезы
Пожалуй, это самый интересный космический детектив за последнее время, и пока он далек до финала...
Наша Вселенная скреплена невидимым галактическим клеем: и без него нас бы не было
По словам ученых, «склеивание» произошло уже в первые секунды существования мироздания...
Парадокс Древнего Перу: жили мирно, но при этом приносили массовые и жестокие человеческие жертвы. Почему?
Ученый рассказал, какую роль в истории сыграл Эль-Ниньо и почему ритуальные убийства совершали «без гнева и конфликта»...
Усиленно боролись за чистоту, но просчитались: как роковая ошибка властей поставила под угрозу целый средневековый город
Норвежский Тронхейм был самым чистым в Европе, однако руководству города этого показалось мало. Хотели как лучше, а получилось как всегда...
В России создана революционная упаковка: молоко будет свежим целый месяц
Разбираемся: не испортился ли вкус продукта и когда ожидать чудо-пачки в продаже...
Выход на новый уровень: почему Россия возрождает проводное радио, а Китай давно прокачал этот вид связи
У старой технологии обнаружился огромный потенциал, который поможет миллионам людей...