谷歌證明量子神經(jīng)網(wǎng)絡(luò )可訓練圖像分類(lèi)

　　谷歌人工智能量子(Google AI Quantum)團隊最近發(fā)表了兩篇論文，介紹了他們在理解量子計算機學(xué)習任務(wù)方面取得的新進(jìn)展。

　　量子計算，它能給AI技術(shù)的發(fā)展帶來(lái)什么幫助嗎?

　　的確可以!

　　谷歌已經(jīng)證明了量子計算也能解決傳統機器學(xué)習中的圖像分類(lèi)問(wèn)題，而且隨著(zhù)技術(shù)發(fā)展，量子計算機將在在學(xué)習能力上超越經(jīng)典的神經(jīng)網(wǎng)絡(luò )。

　　另外量子計算還能解決經(jīng)典網(wǎng)絡(luò )中一些棘手問(wèn)題，比如預防出現模型訓練中的梯度消失問(wèn)題。

　　量子神經(jīng)網(wǎng)絡(luò )

　　在第一篇論文中，谷歌構建一個(gè)神經(jīng)網(wǎng)絡(luò )的量子模型，研究如何在量子處理器上執行神經(jīng)網(wǎng)絡(luò )的分類(lèi)任務(wù)。

　　谷歌把這個(gè)模型叫做量子神經(jīng)網(wǎng)絡(luò )(QNN)，希望它能用在近期出現的量子處理器上。

　　雖然目前的工作主要是理論上的，但QNN的結構有助于在不久的將來(lái)對量子計算機進(jìn)行實(shí)現和測試。

　　QNN可以通過(guò)標記數據的監督學(xué)習進(jìn)行調整，谷歌已經(jīng)在理論上證明了可以在MNIST數據集上訓練它進(jìn)行圖像分類(lèi)。

　　谷歌預計，隨著(zhù)量子計算機硬件規模的發(fā)展，未來(lái)QNN的能力將足夠與經(jīng)典神經(jīng)網(wǎng)絡(luò )匹敵，從而實(shí)現“量子霸權”。

　　在第二篇論文中，谷歌專(zhuān)注于量子神經(jīng)網(wǎng)絡(luò )和經(jīng)典神經(jīng)網(wǎng)絡(luò )訓練中的關(guān)鍵難題，即梯度消失或爆炸(vanishing or exploding gradients)的問(wèn)題。

　　在傳統的神經(jīng)網(wǎng)絡(luò )中，神經(jīng)元權重良好的、無(wú)偏見(jiàn)的初始猜測通常與隨機性無(wú)關(guān)，但是在某些情況下也存在一些困難。

　　量子計算恰恰能解決這方面的問(wèn)題。

　　谷歌的論文表明，量子幾何(quantum geometry)的獨特特征能夠阻止某些不良的初始化情況產(chǎn)生，幫助我們進(jìn)入到到函數的穩定區，防止選取到那些會(huì )導致梯度消失的初始化策略。

　　這項工作對未來(lái)初始化和訓練量子神經(jīng)網(wǎng)絡(luò )的策略具有指導意義。谷歌希望從這些量子幾何狀態(tài)中能獲得啟發(fā)，實(shí)現訓練網(wǎng)絡(luò )的新算法。

　　實(shí)現量子霸權

　　谷歌今年在量子計算領(lǐng)域動(dòng)作頻繁。

　　3月份，谷歌開(kāi)發(fā)出了Bristlecone量子處理器，它擁有72個(gè)量子比特，是迄今為止最大的量子芯片。超過(guò)了IBM的50量子比特和英特爾的49量子比特。

　　谷歌希望用Bristlecone實(shí)現所謂量子霸權，即量子計算機在某些數學(xué)計算中的性能完全超過(guò)傳統超級計算機。

　　NASA量子人工智能實(shí)驗室(QuAIL)和谷歌一起，共同研究如何將“各種各樣的優(yōu)化和采樣問(wèn)題”映射到量子計算機上，希望在一年內實(shí)現該目標。

　　谷歌還計劃在5年內實(shí)現量子計算技術(shù)的商業(yè)化。但這并不是說(shuō)谷歌要推出面向市場(chǎng)的量子計算機。

　　由于超導量子計算機需要保持在接近絕對零度附近，因此不能把它從實(shí)驗室里搬出來(lái)。預計谷歌屆時(shí)會(huì )允許用戶(hù)通過(guò)云API連接到量子計算機上。