Trang này được dịch bởi Cloud Translation API.
Switch to English

Khái niệm máy học lượng tử

Thí nghiệm về quyền tối cao lượng tử của Google đã sử dụng 53 qubit nhiễu để chứng minh nó có thể thực hiện một phép tính trong 200 giây trên một máy tính lượng tử sẽ mất 10.000 năm trên máy tính cổ điển lớn nhất sử dụng các thuật toán hiện có. Điều này đánh dấu sự khởi đầu của kỷ nguyên máy tính lượng tử quy mô trung gian ồn ào (NISQ). Trong những năm tới, các thiết bị lượng tử với hàng chục đến hàng trăm qubit nhiễu được kỳ vọng sẽ trở thành hiện thực.

Tính toán lượng tử

Tính toán lượng tử dựa trên các đặc tính của cơ học lượng tử để tính toán các vấn đề mà máy tính cổ điển không thể đạt được. Một máy tính lượng tử sử dụng qubit . Qubit giống như các bit thông thường trong máy tính, nhưng có thêm khả năng được đặt vào một vị trí chồng chất và chia sẻ sự vướng mắc với nhau.

Máy tính cổ điển thực hiện các phép toán cổ điển xác định hoặc có thể mô phỏng các quy trình xác suất bằng phương pháp lấy mẫu. Bằng cách khai thác chồng chất và vướng víu, máy tính lượng tử có thể thực hiện các phép toán lượng tử khó mô phỏng ở quy mô lớn với máy tính cổ điển. Các ý tưởng để tận dụng tính toán lượng tử NISQ bao gồm tối ưu hóa, mô phỏng lượng tử, mật mã và học máy.

Máy học lượng tử

Máy học lượng tử (QML) được xây dựng dựa trên hai khái niệm: dữ liệu lượng tửmô hình lượng tử-cổ điển lai .

Dữ liệu lượng tử

Dữ liệu lượng tử là bất kỳ nguồn dữ liệu nào xuất hiện trong hệ lượng tử tự nhiên hoặc nhân tạo. Đây có thể là dữ liệu được tạo ra bởi một máy tính lượng tử, giống như các mẫu được thu thập từ bộ xử lý Sycamore để Google chứng minh tính tối cao của lượng tử. Dữ liệu lượng tử thể hiện sự chồng chất và vướng víu, dẫn đến các phân phối xác suất chung có thể yêu cầu một lượng theo cấp số nhân của các tài nguyên tính toán cổ điển để biểu diễn hoặc lưu trữ. Thí nghiệm tối cao lượng tử cho thấy có thể lấy mẫu từ phân bố xác suất khớp cực kỳ phức tạp của không gian 2 ^ 53 Hilbert.

Dữ liệu lượng tử do bộ xử lý NISQ tạo ra bị nhiễu và thường bị vướng ngay trước khi phép đo xảy ra. Kỹ thuật học máy heuristic có thể tạo ra các mô hình tối đa hóa việc trích xuất thông tin cổ điển hữu ích từ dữ liệu vướng víu ồn ào. Thư viện TensorFlow Quantum (TFQ) cung cấp các nguyên tắc cơ bản để phát triển các mô hình phân tách và tổng quát hóa các mối tương quan trong dữ liệu lượng tử — mở ra cơ hội để cải thiện các thuật toán lượng tử hiện có hoặc khám phá các thuật toán lượng tử mới.

Sau đây là các ví dụ về dữ liệu lượng tử có thể được tạo hoặc mô phỏng trên thiết bị lượng tử:

  • Mô phỏng hóa học —Thu nhỏ thông tin về cấu trúc hóa học và động lực học với các ứng dụng tiềm năng cho khoa học vật liệu, hóa học tính toán, sinh học tính toán và khám phá thuốc.
  • Mô phỏng vật chất lượng tử —Mô hình và thiết kế hiện tượng siêu dẫn nhiệt độ cao hoặc các trạng thái kỳ lạ khác của vật chất thể hiện các hiệu ứng lượng tử nhiều cơ thể.
  • Điều khiển lượng tử —Các mô hình cổ điển lượng tử kết hợp có thể được huấn luyện biến đổi để thực hiện điều khiển, hiệu chuẩn và giảm thiểu lỗi tối ưu hoặc vòng kín. Điều này bao gồm các chiến lược phát hiện và sửa lỗi cho các thiết bị lượng tử và bộ xử lý lượng tử.
  • Mạng giao tiếp lượng tử —Sử dụng máy học để phân biệt giữa các trạng thái lượng tử không trực giao, với ứng dụng để thiết kế và xây dựng bộ lặp lượng tử có cấu trúc, bộ thu lượng tử và đơn vị tinh lọc.
  • Đo lường lượng tử — Các phép đo chính xác cao được nâng cao về lượng tử như cảm biến lượng tử và hình ảnh lượng tử vốn được thực hiện trên các đầu dò là thiết bị lượng tử quy mô nhỏ và có thể được thiết kế hoặc cải tiến bằng các mô hình lượng tử biến thiên.

Mô hình cổ điển-lượng tử lai

Một mô hình lượng tử có thể biểu diễn và tổng quát hóa dữ liệu có nguồn gốc cơ lượng tử. Bởi vì các bộ xử lý lượng tử thời hạn gần vẫn còn khá nhỏ và nhiễu, các mô hình lượng tử không thể tổng quát hóa dữ liệu lượng tử chỉ sử dụng các bộ xử lý lượng tử. Bộ xử lý NISQ phải phối hợp với các bộ đồng xử lý cổ điển để trở nên hiệu quả. Vì TensorFlow đã hỗ trợ tính toán không đồng nhất trên CPU, GPU và TPU, nó được sử dụng làm nền tảng cơ sở để thử nghiệm với các thuật toán cổ điển lượng tử lai.

Mạng nơ-ron lượng tử (QNN) được sử dụng để mô tả mô hình tính toán lượng tử tham số hóa được thực thi tốt nhất trên máy tính lượng tử. Thuật ngữ này thường được hoán đổi cho nhau với mạch lượng tử được tham số hóa (PQC).

Nghiên cứu

Trong thời đại NISQ, các thuật toán lượng tử có tốc độ tăng nhanh hơn các thuật toán cổ điển — như thuật toán bao nhân tử của Shor hoặc thuật toán tìm kiếm của Grover — vẫn chưa khả thi ở một quy mô có ý nghĩa.

Mục tiêu của TensorFlow Quantum là giúp khám phá các thuật toán cho kỷ nguyên NISQ, đặc biệt quan tâm đến:

  1. Sử dụng máy học cổ điển để nâng cao thuật toán NISQ. Hy vọng rằng các kỹ thuật từ học máy cổ điển có thể nâng cao hiểu biết của chúng ta về tính toán lượng tử. Trong siêu học cho mạng nơ-ron lượng tử thông qua mạng nơ-ron tuần hoàn cổ điển , mạng nơ-ron tuần hoàn (RNN) được sử dụng để khám phá rằng việc tối ưu hóa các tham số điều khiển cho các thuật toán như QAOA và VQE hiệu quả hơn so với các bộ tối ưu hóa đơn giản. Và học máy để điều khiển lượng tử sử dụng học tăng cường để giúp giảm thiểu lỗi và tạo ra các cổng lượng tử chất lượng cao hơn.
  2. Mô hình dữ liệu lượng tử với các mạch lượng tử. Có thể lập mô hình cổ điển dữ liệu lượng tử nếu bạn có mô tả chính xác về nguồn dữ liệu — nhưng đôi khi điều này là không thể. Để giải quyết vấn đề này, bạn có thể thử lập mô hình trên chính máy tính lượng tử và đo lường / quan sát các số liệu thống kê quan trọng. Mạng nơron tích chập lượng tử cho thấy một mạch lượng tử được thiết kế với cấu trúc tương tự như mạng nơron tích chập (CNN) để phát hiện các pha tôpô khác nhau của vật chất. Máy tính lượng tử giữ dữ liệu và mô hình. Bộ xử lý cổ điển chỉ xem các mẫu đo từ đầu ra của mô hình và không bao giờ xem dữ liệu của chính nó. Trong Tái chuẩn hóa rối mạnh mẽ trên một máy tính lượng tử ồn ào , các tác giả học cách nén thông tin về các hệ nhiều cơ lượng tử bằng cách sử dụng mô hình DMERA.

Các lĩnh vực quan tâm khác trong học máy lượng tử bao gồm: