Учёные из Университета (НИТУ) МИСИС разработали новый протокол для квантовых вычислений, улучшающий поиск оптимальных решений. Как отметили в МИСИС, новый подход основан на целенаправленном запуске специальных каналов шума и в перспективе позволит повысить точность и скорость вычислений. Исследование было поддержано грантом Российского научного фонда. Результаты исследования опубликованы в научном журнале Physical Review A.
В НИТУ МИСИС объяснили, что задачи квантового машинного обучения, имея большой потенциал, сталкиваются с серьёзными трудностями при тренировке и оптимизации. Из‑за множества возможных решений (не всегда оптимальных) алгоритм может «застревать», так и не найдя лучших решений. Разработанный специалистами НИТУ МИСИС протокол позволит регулировать оптимизационные ландшафты при помощи специальных каналов шума.
Исследователи рассказали, что обычно шум препятствует эффективной работе квантовых алгоритмов. Любое взаимодействие с окружающей средой, например, случайные колебания температуры или электромагнитных полей, приводят к ошибкам в вычислениях. Как продемонстрировали эксперты вуза, использование специальных каналов шума значительно сглаживает мелкомасштабные флуктуации функции потерь и позволяет находить более качественные решения.
Старший научный сотрудник лаборатории квантовых информационных технологий НИТУ МИСИС Никита Немков отметил, что когда специалисты тренируют модель, например классическую нейросеть или квантовый алгоритм, у неё есть функция потерь. Это мера того, насколько подход модели к решению задачи неверный: чем выше потери, тем хуже. Параметров модели может быть много, например вращения, фазы, вес и так далее. Каждая комбинация этих параметров даёт свой результат, и функция потерь присваивает этому результату число („высоту“).
Никита Немков
Старший научный сотрудник лаборатории квантовых информационных технологий НИТУ МИСИС, Кандидат физико-математических наук
«Представьте: вы стоите на горе и пытаетесь спуститься к самой низкой точке. Высота указывает, как далеко вы от цели. На пути встречается множество мелких ям и впадин и в них можно легко застрять, так и не добравшись до цели. Обычно так и происходит — мы блуждаем и попадаем в локальные ловушки. Наш метод похож на то, как если бы ямы засыпали песком. Он заполняет мелкие впадины, выравнивая поверхность, и путь становится проще: мы больше не задерживаемся и можем двигаться дальше. Таким образом, добавление шума — регуляризация — сглаживает ландшафт и значительно упрощает поиск оптимального решения».
Новый протокол предусматривает создание определённого количества шума для определённых элементов в квантовой схеме. В результате функция потерь сглаживается. Учёные проверили алгоритм на тестовых задачах и квантовой свёрточной нейросети. В обоих случаях протокол улучшил результат и шанс найти правильное решение оказался в несколько раз выше по сравнению с традиционными подходами.
Алексей Фёдоров
Директор Института физики и квантовой инженерии НИТУ МИСИС, руководитель научной группы РКЦ «Квантовые информационные технологии», PhD
«Сложность обучения вариационных квантовых алгоритмов и моделей квантового машинного обучения хорошо известна. Предложенный нами протокол может быть объединён с существующим методом смягчения локальных минимумов — квантовым оптимизатором естественного градиента, а также может дополнить набор методов оптимизации функций квантовых потерь. Техническая реализация протокола не требует большого количества дополнительных ресурсов и может быть использована как в классических симуляторах квантовых цепей, так и на реальных квантовых устройствах».
Источник: habr.com