前沿 | 物理学家提出新算法:将量子机器学习扩展到无限维度

选自phys.org

作者:Lisa Zyga

机器之心编译

参与:吴攀、李亚洲

物理学家已经开发出了一种可以处理无限维度(infinite dimensions)的量子机器学习(quantum machine learning)算法,也就是说:该算法可以处理连续变量(在一个闭合区间内拥有无限多个可能值),而不是通常使用的离散变量(只有有限数量的值)。Hoi-Kwan Lau 等研究者已经将该研究的相关论文发表到了最新一期 Physical Review Letters 上。机器之心对该论文进行了摘要介绍,论文原文请点击文末「阅读原文」查阅。

该研究所提出的光学设备,可被用于实现无限维度上的新型量子机器学习算法

这些物理学家解释说,量子机器学习是量子信息(quantum information)领域内的新兴的子领域,其将量子计算的速度和机器学习所提供的学习和适应能力结合到了一起。

使用能够处理连续变量的量子机器学习算法的一个最大优势是在理论上其能执行比经典算法快得多的运算。因为许多科学和工程模型都涉及到连续变量,所以将量子机器学习应用到这些问题上有望能够实现具有深远影响的应用。

「我们的研究表明:利用光子在一台量子计算机上执行机器学习任务可以远远超越任何传统计算机的速度,」该论文的作者之一、田纳西大学的 George Siopsis 说,「相比于其它技术,量子机器学习能在每个量子比特上存储更多信息且每个量子比特的成本也非常低,所以量子机器学习还能带来其它潜在的优势,比如更低的能耗需求。」

到目前为止的大多数量子机器学习都还只能处理涉及离散变量的问题。将量子机器学习应用于连续变量需要一种非常不同的方法。

为了做到这一点,他们需要开发一系列能处理连续变量的新工具。这些工具要能够使用物理门(physical gate)取代离散变量状态中使用的逻辑门,这些物理门可以处理连续变量状态。这些科学家从这些基础模块开始构建此算法,而后又开发了新的方法来解决量子机器学习问题。这种方法名为子程序(subroutine),其是通过矩阵和向量进行表征的。

尽管该研究结果是纯理论的,物理学家预计可以使用目前的技术在实验上实现该连续变量的新算法。这种实现可通过几个方式达到,比如通过使用光学系统、自旋系统或囚禁离子。无论采用哪种类型的系统,实现的过程都是很有难度的。例如,光学实现需要目前最新的技术,比如「薛定谔猫态」(0 和 1 的叠加态)和高速率挤压(减少量子噪声)。

未来,科学家希望进一步研究如何拓展连续变量的量子机器学习,从而可复制离散变量的最新结果。另一个可以深入的研究是混合方法,即如何在单个算法中结合离散变量和连续变量。

以下是对该研究论文的摘要介绍:

论文:在无限维度上的量子机器学习(Quantum Machine Learning over Infinite Dimensions)

作者:Hoi-Kwan Lau、Raphael Pooser、George Siopsis 和 Christian Weedbrook

摘要:机器学习是一个迷人且激动人心的计算机科学领域。最近,这样的激动人心已经进入到了量子信息(quantum information)领域。目前,所有为机器学习的量子愿景所提出的方法都建立在有限维度的离散变量的基础上。在这里,我们将量子机器学习泛化到了更复杂但仍然非常实用的无限维度系统上。我们提出了用于全光子连续变量量子计算机的量子机器学习算法的关键子程序,其可以带来在经典算法多项式扩展的情形中的指数级水平的加速。最后,我们还描绘了一个实验性的实现,其可被用作未来光子演示的蓝图。

原文链接:https://phys.org/news/2017-03-physicists-quantum-machine-infinite-dimensions.html

©本文为机器之心编译,转载请联系本公众号获得授权。

✄------------------------------------------------

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2017-03-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

阿里深度学习实践

20640
来自专栏云市场·精选汇

如何细致地为用户提供业务知识服务?

近年随着深度学习及强化学习技术的进一步深入,智能问答机器人所依赖的知识库构建与维护成本也随之减少。大数据分析和智能语音技术在客服场景深入应用,AI正在变革客服行...

11730
来自专栏大数据挖掘DT机器学习

微博推荐算法如何设计

在介绍微博推荐算法之前,我们先聊一聊推荐系统和推荐算法。有这样一些问题:推荐系统适用哪些场景?用来解决什么问题、具有怎样的价值?效果如何衡量? 推荐系统诞生很早...

751120
来自专栏大数据挖掘DT机器学习

阿里深度学习实践

近年来,随着大数据在互联网的蓬勃发展,很多人工智能的技术、应用像雨后春笋般涌现出来,如谷歌、Facebook、阿里、腾讯、百度等用得非常广泛,且各种应用都通过...

31360
来自专栏PaddlePaddle

知名深度学习框架的典型应用案例一览

TensorFlow在谷歌系的产品中应用非常多,比如Gmail, Google Play Recommendation, Search, Translate, ...

16750
来自专栏新智元

DeepMind重磅论文:通过奖励模型,让AI按照人类意图行事

DeepMind将这个问题定义为“智能体对齐问题”(agent alignment problem),并提出依赖于奖励建模,正面解决agent alignmen...

12240
来自专栏AI科技评论

开发 | Kaldi集成TensorFlow,两个开源社区终于要一起玩耍了

AI科技评论按:自动语音识别(Automatic speech recognition,ASR)领域被广泛使用的开源语音识别工具包 Kaldi 现在也集成了Te...

72660
来自专栏Python中文社区

数据挖掘入门与提升,从点数据到网络数据

提到社交网络分析,推荐系统、风控模型这些名词,相信你并不陌生,社交网络分析无非是 Pandas+Matplotlib,推荐系统大概率是余弦相似性、协同过滤,风控...

12020
来自专栏新智元

DeepMind提出想象智能体,更鲁棒AlphaGo逼近真实世界

【新智元导读】DeepMind 最新发布的两篇论文提出了有想象力和计划能力的智能体。这些智能体能够想象行动结果、制定计划,为最高效地完成任务提供了新方法。智能体...

38470
来自专栏量子位

年薪百万的机器学习专家,为什么不产生价值?

本文转载自第四范式知乎专栏,量子位已获得授权。 ? 「范式大学系列课程」第 3 篇文章: 年薪百万的机器学习专家,为什么不产生价值? Part 1 一个朋友的企...

36360

扫码关注云+社区

领取腾讯云代金券