Обучение с измерениями

Разработано квантовое машинное обучение, работающее с бесконечными измерениями.

Исследование было опубликовано в недавнем выпуске Physical Review Letters. Им руководили Хой-Кван Лау и другие коллеги. Команда физиков разработала алгоритм квантового машинного обучения, который работает с непрерывными переменными, представляющими собой бесконечное число возможных значений на замкнутом интервале.

Джордж Сиопсис, соавтор исследования из Университета Теннесси, рассказал Phys.org что их работа демонстрирует способность использовать преимущества фотоники для выполнения задач машинного обучения на квантовом компьютере, который может намного превышать скорость любого обычного компьютера. Далее он сказал, что квантовое машинное обучение также предлагает потенциальные преимущества, такие как более низкие требования к энергии благодаря способности хранить больше информации на кубит и очень низкой стоимости на кубит по сравнению с другими технологиями.

Итак, как ученые пришли к работе с непрерывными переменными? Команда заменяет логические элементы, которые используются для состояний с дискретной переменной, физическими состояниями, которые работают для состояний с непрерывной переменной. Это считается основными строительными блоками алгоритма. Затем исследователи разработали новые методы, которые расширяют возможности для решения задач квантового машинного обучения, известных как подпрограммы, которые представлены матрицами и векторами.

Ожидается, что разработка нового алгоритма будет осуществлена с использованием доступных в настоящее время технологий. Это может быть сделано с использованием оптической системы, спиновых систем или захваченных атомов.

Квантовое машинное обучение - это междисциплинарная область исследований, которая включает квантовую физику и интеллектуальный анализ данных. Оно объединяет методы квантовой информатики и машинного обучения. Его алгоритмы могут использовать преимущества квантовых вычислений для улучшения классических методов машинного обучения. Это также относится к квантовым алгоритмам, которые решают задачи машинного обучения, возникающие в результате совершенствования классического метода машинного обучения.