您现在的位置是:网站首页> 内容页

Google证明量子神经网络可训练图像分类——IT新闻

  • 千赢网站是多少
  • 2019-05-30
  • 355人已阅读
简介谷歌人工智能量子团队最近发表了两篇论文,描述了他们在理解量子计算机学习任务方面的新进展。量子计算能帮助人工智能技术的发展吗?当然!Goo

    谷歌人工智能量子团队最近发表了两篇论文,描述了他们在理解量子计算机学习任务方面的新进展。量子计算能帮助人工智能技术的发展吗?当然!Google已经证明量子计算也可以解决传统机器学习中的图像分类问题,并且随着技术的发展,量子计算机的学习能力将超过经典神经网络。此外,量子计算还可以解决经典网络中的一些难题,如防止模型训练中梯度的消失。在第一篇论文中,Google构建了一个神经网络的量子模型来研究如何在量子处理器上执行分类任务。Google称这种模型为量子神经网络(QNN),并希望它能用于最近出现的量子处理器。虽然目前的工作主要是理论上的,但是QNN的结构有助于在不久的将来实现和测试量子计算机。QNN可以通过对标记数据的监督学习进行调整,Google从理论上证明了它可以被训练用于MNIST数据集上的图像分类。Google预测,随着量子计算机硬件规模的发展,QNN在未来将能够与经典神经网络竞争,从而达到“量子霸权”。在第二篇论文中,Google重点研究了训练量子神经网络和经典神经网络的关键问题,即梯度的消失或爆炸。在传统神经网络中,神经元的良好加权和无偏初始猜测通常独立于随机性,但在某些情况下存在一些困难。量子计算可以解决这个问题。Google的论文表明,量子几何的独特特性可以防止某些不良的初始化,帮助我们进入函数的稳定区域,并防止初始化策略的选择导致梯度的消失。本文的工作对今后量子神经网络的初始化和训练策略具有指导意义。Google希望从这些量子几何态中获得灵感,并实现用于训练网络的新算法。为了实现量子霸权,Google今年一直活跃在量子计算领域。今年3月,谷歌开发了Bristlecone量子处理器,它有72个量子位,是目前最大的量子芯片。超过IBM的50个量子位和英特尔的49个量子位。Google希望利用Bristlecone实现所谓的量子霸权,即在一些数学计算中,量子计算机的表现优于传统的超级计算机。美国国家航空航天局量子人工智能实验室(QuAIL)和谷歌正在共同努力,将“各种优化和采样问题”映射到量子计算机,希望在一年内实现这一目标。谷歌还计划在五年内将量子计算商业化。但这并不是说谷歌正在推出一款面向市场的量子计算机。因为超导量子计算机需要保持在绝对零度附近,所以它们不能从实验室移除。预计Google将允许用户通过云API连接到量子计算机。在近程处理器上使用量子神经网络进行分类:https://arxiv.org/abs/1802.06002量子神经网络训练景观中的贫瘠高原:

文章评论

Top