《自然》子刊：自动推断受限玻耳兹曼机参数的方法，有助于量子计算发展

在一项新研究中，研究人员开发了一种自动推断重要量子玻耳兹曼机算法参数的方法，有助于量子计算的发展。

研究于2月1日发表在《自然》子刊《科学报告》上，标题为“Adaptive hyperparameter updating for training restricted Boltzmann machines on quantum annealers”(量子退火机上训练受限玻耳兹曼机器的自适应超参数更新)，通讯作者为佛罗里达农工大学工程学院机械工程系的William S. Oates。

与标准计算机中的二进制位不同，量子位一次可以存在于多个状态，这一概念称为叠加。测量一个量子比特的状态——或者说量子比特——会使它失去那个特殊的状态，所以量子计算机的工作原理是在一个量子比特的状态被观察之前计算它的概率。

量子退火机是量子计算的工具之一，其工作原理是将量子位的每个状态表示为一个能级。量子位元中能量最低的状态给出了问题的解决方案。这使得一台机器可以处理复杂的、相互连接的系统，而这些系统需要一台普通的计算机花很长时间来计算——就像建立一个神经网络一样。

建立神经网络的一种方法是使用受限玻耳兹曼机，这是一种基于网络输入的概率学习算法。研究人员发现了一种方法，可以自动计算一个与有效温度相关的重要参数，该参数可以在算法中使用。

这项工作有助于建立人工神经网络，用于训练计算机解决复杂的、相互关联的问题，如图像识别、药物发现和新材料的创造。

译/前瞻经济学人APP资讯组

参考资料：

【2】https://www.sciencedaily.com/releases/2021/03/210316112244.htm