|
在 2017 年最近的一次大會上，微軟 CEO Satya Nadella 使用玉米迷宮的類比，解釋了傳統(tǒng)計算機和量子計算機的計算方式的不同之處。在嘗試尋找一條穿過迷宮的路徑時，傳統(tǒng)的計算機會找一條路徑深入下去，遇到阻礙就返回；重新開始，再遇到阻礙就再返回，直到無路可走。這種方法盡管能找到答案，但是非常耗時。 相比之下，量子計算機“展現(xiàn)了驚人的并發(fā)性”，“它能同時探索玉米迷宮里的每一條路徑”，因此，求解一個問題所需的步數(shù)指數(shù)級減少了。 并發(fā)性源自量子物理中的概念——量子位、量子疊加和量子糾纏。 更多干貨內(nèi)容請關(guān)注微信公眾號“AI 前線”，（ID：ai-front） 量子是任何物質(zhì)（例如能量和質(zhì)量）的最小可能的單元。在 1900 年，馬克斯·普朗克提出，在原子和亞原子級別，物質(zhì)的能量包含于稱為量子的離散的包之中。 根據(jù)環(huán)境變化，量子有時候表現(xiàn)為波，有時候又表現(xiàn)為粒子，這種特性稱為波粒二象性。量子論主要是要找到粒子出現(xiàn)在空間中給定點 x 的概率，而不是找到其具體位置。 圖 1：光的波粒二象性 傳統(tǒng)的計算機使用經(jīng)典的位（0 或 1）執(zhí)行運算。然而，量子計算機使用量子位執(zhí)行運算。 量子位可以表示為：
量子位同時表現(xiàn)為 0 和 1，這種現(xiàn)象稱為量子疊加。 雖然一個粒子能同時處于多種量子態(tài)，但是一旦我們測量該粒子的能量或者位置，它的疊加狀態(tài)就會丟失而只處于一種狀態(tài)。  圖 2：量子位被定義為指向單位球面上的點的一對復(fù)向量。傳統(tǒng)上，直接向上（正半軸）的量子位被表示為列向量|0>，向下的向量被表示為|1>（例如，圖中的量子位是|0>）。 即使相距很遠，量子粒子間也能彼此相互作用，參照彼此來描述，而不是相互獨立，這種現(xiàn)象稱為“量子糾纏”。 在測量時，如果一對糾纏粒子中的一個被確定為處于“向下”的自旋狀態(tài)（即最低能態(tài)，電子與其磁場對齊時），則這個結(jié)果被傳達給另一相關(guān)粒子，該粒子現(xiàn)在處于“向上”的相反旋轉(zhuǎn)狀態(tài)。量子糾纏使量子位彼此瞬間相互作用，即使它們相距遙遠。 量子計算如何帶來無窮的并發(fā)性？ 兩個相互作用的經(jīng)典位有四種形式：00、01、10 和 11。信息的這兩個組成部分中的每一個（第一個位和第二個位）在給定時間僅表示二進制中的一個值。向普通計算機添加更多位仍然只表示一個二進制數(shù)。 圖 3：在測量之前，一個疊加狀態(tài)的量子位的“向上自旋”和“向下自旋”的概率（圖片來源：https://www./watch?v=g_IaVepNDT4） 一個量子位可以同時處于兩個狀態(tài)（0 和 1）。因此，兩個相互作用的量子位可以同時存儲全部 4 個二進制值。通常，“n”個量子位可以同時表示“2^n”個經(jīng)典二進制值。因此，一個 300 量子位的量子計算機可以同時探索 2^300 個可能的解決方案，而不像傳統(tǒng)計算機那樣一次一個解決方案，這帶來了巨大的并行性。給量子計算機增加更多的量子位將會指數(shù)級增加計算機的計算能力。 一臺真正的量子計算機還沒有實現(xiàn)，因為增加更多的量子位，并處理需要 -452°F 低溫以保持穩(wěn)定的亞原子粒子，這是一項艱巨的任務(wù)，而建造一臺這樣的計算機更是如此。因此，我們正在努力，使用微軟的量子模擬器 LIQUi|>（微軟的 Azure 云計算資源擴展自它）模擬 40 個量子位的運算。 量子計算可以解決專門的科學(xué)問題，如分子建模、高溫超導(dǎo)體的創(chuàng)建、藥物建模和測試及為有機電池的創(chuàng)建選擇分子。對于諸如觀看視頻或編寫 Word 文檔等一般任務(wù)而言，量子計算并不是最佳選擇。 那么，量子計算如何和機器學(xué)習(xí)結(jié)合在一起？ 計算大型矩陣的特征值和特征向量 執(zhí)行經(jīng)典 PCA 算法的方法之一是對數(shù)據(jù)協(xié)方差矩陣進行特征值分解。但是，在高維數(shù)據(jù)的情況下，這效率低下。 一個未知的低秩密度矩陣的量子 PCA 可以揭示與大特征值相關(guān)的量子特征向量，比線性規(guī)模的經(jīng)典算法快指數(shù)級倍。 使用量子計算機尋找近鄰 在這里提出的用于計算監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)中近鄰的量子算法，為計算距離指標(biāo)（例如歐幾里德距離和內(nèi)積）所需的輸入數(shù)據(jù)的查詢數(shù)量設(shè)置了上限。最好的情況是查詢復(fù)雜度呈現(xiàn)指數(shù)式和超指數(shù)式降低，最壞的情況是查詢復(fù)雜度呈多項式級降低。 量子方法改進希格斯玻色子實驗 在希格斯玻色子實驗中，希格斯玻色子粒子在產(chǎn)生后幾乎立即衰變成各種質(zhì)量較小的粒子集合。最常見的（我們可以觀測到的）衰變是： 圖片來源：http://www./the-higgs-boson-decays-into-other-particles.html
在解決“希格斯信號與本底”ML 優(yōu)化問題時，人們嘗試將信號與本底分離開來。這項研究發(fā)現(xiàn)，混合使用量子退火和經(jīng)典退火比最新的 ML 方法更有優(yōu)勢。 量子算法求解線性方程組 一些量子技術(shù)也有助于解決 ML 問題中的子問題，如矩陣求逆。 如果給定矩陣 A 和向量 b，找到一個向量 x，使得 Ax = b。對于求解一個線性方程組的量子算法，我們不需要知道解 x 本身，而是求解一個與 x 相關(guān)的某個算子的期望值的近似值，對于某個矩陣 M，即 x'Mx。 傳統(tǒng)的 ML 算法已經(jīng)被用來利用、控制和測量表現(xiàn)出了量子現(xiàn)象（如玻色 - 愛因斯坦凝聚體（BEC's））的系統(tǒng)。 BEC 是一種物質(zhì)狀態(tài)，在這種情況下，稀釋的玻色子氣體被冷卻到非常接近絕對零度的溫度。在 BEC 中，大多數(shù)玻色子處于基態(tài)。在宏觀層面上，量子效應(yīng)通常不會出現(xiàn)，但 BEC 在宏觀層面能顯示可見的量子效應(yīng)?？茖W(xué)家創(chuàng)造了一個機器學(xué)習(xí)系統(tǒng)，發(fā)現(xiàn)創(chuàng)建高質(zhì)量 BEC 的最佳蒸發(fā)速度。另外，優(yōu)化的 BEC 創(chuàng)建過程更容易理解，因為機器學(xué)習(xí)模型確定了哪些參數(shù)對于創(chuàng)建 BEC 是必不可少的。 ML 算法有助于量子器件設(shè)計中的幾個構(gòu)建塊。ML 算法有助于解決以下問題： 檢測量子變化點 量子器件可以發(fā)射某種狀態(tài)的粒子，在某個未知時刻開始發(fā)射不同狀態(tài)的粒子。為了檢測這個變化點，科學(xué)家比較了局部測量和全局測量的性能。 局部測量：每個粒子進入探測器之后立即測量其狀態(tài) 全局測量：所有粒子進入探測器之后再行測量 對于局部測量，Sasaki 將未知狀態(tài)的分類框定為一種監(jiān)督學(xué)習(xí)。最后，發(fā)現(xiàn)在檢測突然的量子變化時，全局測量比局部測量更勝一籌。 量子位狀態(tài)二分類 科學(xué)家們訓(xùn)練了一個量子機器學(xué)習(xí)系統(tǒng)，將量子位狀態(tài)分類為 0 和 1，內(nèi)存只隨著訓(xùn)練量子位數(shù)的呈對數(shù)增長。即使在一個足夠大的訓(xùn)練集的組成變化下，它也表現(xiàn)良好。 量子去相干 當(dāng)量子系統(tǒng)不完全隔離時，系統(tǒng)中的信息就會丟失到其環(huán)境中。這稱為量子退相干，導(dǎo)致量子行為的損失。ML 技術(shù)被用來了解更多的關(guān)于量子位的隨機相移過程，來預(yù)測量子位去相干和穩(wěn)定未來的量子位相移。 重現(xiàn)熱力學(xué)可觀測值 利用稱為玻爾茲曼機的遞歸神經(jīng)網(wǎng)絡(luò)可靠地再現(xiàn)了諸如能量、比熱和磁性的熱力學(xué)可觀測量。玻爾茲曼機使用蒙特卡羅采樣生成的數(shù)據(jù)集進行訓(xùn)練。 要獲得關(guān)于量子 ML 及其最新進展的更多信息，可以參考以下鏈接： 量子計算智能——滑鐵盧大學(xué) https:///institute-for-quantum-computing/blog/post/quantum-computational-intelligence 使用量子計算機搜尋希格斯玻色子 https://www./news/quantum-machine-goes-in-search-of-the-higgs-boson-1.22860 查看英文原文： https://www./2018/01/quantum-machine-learning-overview.html |
|
|
來自： 長沙7喜 > 《智能技術(shù)》
