Khái niệm máy học lượng tử

Của Google lượng tử ngoài cổ điển thí nghiệm sử dụng 53 qubit ồn ào để chứng minh nó có thể thực hiện một phép tính trong 200 giây trên một máy tính lượng tử đó sẽ mất 10.000 năm trên máy tính cổ điển lớn nhất sử dụng các thuật toán hiện có. Dấu này bắt đầu trong những ồn ào Intermediate-Scale Quantum (NISQ) tính thời đại. 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 vào các đặc tính của cơ học lượng tử để tính toán các vấn đề mà máy tính cổ điển không thể tiếp cận được. Một máy tính lượng tử sử dụng qubit. Qubit giống như bit thường xuyên trong một máy tính, nhưng với khả năng thêm vào được đưa vào một chồng và chia sẻ sự vướng víu 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 cách sử dụng phương pháp lấy mẫu. Bằng cách khai thác sự 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

Quantum học máy (QML) được xây dựng trên hai khái niệm: Dữ liệu lượng tửmô hình lượng tử cổ điển lai.

Dữ liệu lượng tử

Dữ liệu Quantum là bất kỳ nguồn dữ liệu xảy ra trong một hệ thống lượng tử tự nhiên hoặc nhân tạo. Đây có thể là dữ liệu được tạo ra bởi một máy tính lượng tử, như các mẫu thu thập được từ các bộ vi xử lý Sycamore cho cuộc biểu tình của uy thế lượng tử của Google. 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 được tạo ra bởi bộ xử lý NISQ bị nhiễu và thường vướng víu 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 thông tin -Giải nén hóa về cấu trúc hóa học và động lực học với các ứng dụng tiềm năng khoa học vật liệu, hóa học tính toán, sinh học tính toán, và khám phá ma túy.
  • Quantum vấn đề mô phỏng -Người mẫu và thiết kế siêu dẫn nhiệt độ cao hoặc tiểu bang khác lạ của vật chất mà thể hiện hiệu ứng lượng tử nhiều thân.
  • Mô hình lượng tử cổ điển -Hybrid kiểm soát lượng tử có thể được huấn luyện để thực hiện tối ưu variationally kiểm soát mở hoặc khép kín, hiệu chuẩn, và giảm thiểu lỗi. 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 lưới truyền thông lượng tử -Sử dụng máy học tập để phân biệt đối xử giữa các trạng thái lượng tử không trực giao, với ứng dụng để thiết kế và xây dựng các bộ lặp cấu trúc lượng tử, thu lượng tử, và các đơn vị thanh lọc.
  • Quantum đo lường -Quantum tăng cường đo độ chính xác cao như cảm biến lượng tử và hình ảnh lượng tử vốn đã thực hiện trên tàu thăm dò đó là các thiết bị lượng tử quy mô nhỏ và có thể được thiết kế hoặc cải thiện bằng mô hình lượng tử biến phân.

Mô hình lượng tử-cổ điển 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 trong thời gian ngắn 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. Các 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, nên nó được sử dụng làm nền tảng cơ sở để thử nghiệm với các thuật toán cổ điển lượng tử lai.

Một mạng lưới thần kinh học lượng tử (QNN) được sử dụng để mô tả một mô hình tính toán lượng tử tham số sẽ được thực thi tốt nhất trên một máy tính lượng tử. Thuật ngữ này thường được hoán đổi cho nhau với mạch lượng tử tham số (PQC).

Nghiên cứu

Trong NISQ thời, các thuật toán lượng tử với speedups biết đến qua thuật toán giống như cổ điển thuật toán toán Shor của hoặc thuật toán tìm kiếm của Grover -là chưa thể ở 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 các 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 meta-học cho các mạng thần kinh học lượng tử thông qua mạng lưới thần kinh tái phát cổ điển , một mạng lưới thần kinh tái phát (RNN) được sử dụng để phát hiện ra rằng tối ưu hóa các thông số kiểm soát đối với các thuật toán như QAOA và VQE có hiệu quả hơn đơn giản ra khỏi tối ưu kệ. Và học máy để kiểm soát lượng tử sử dụng tăng cường học tập để lỗi Giảm thiểu sự giúp đỡ và tạo ra cổng lượng tử chất lượng cao hơn.
  2. Mô hình dữ liệu lượng tử với các mạch lượng tử. Có thể mô hình hóa dữ liệu lượng tử theo kiểu cổ điển 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. Quantum xoắn mạng nơ-ron chương trình một mạch lượng tử được thiết kế với một tương tự cấu trúc cho một mạng lưới thần kinh xoắn (CNN) để phát hiện giai đoạn topo 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 tìm hiểu để thông tin về hệ thống nén nhiều cơ lượng tử sử dụng một mô hình DMERA.

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