![]() |
![]() |
![]() |
![]() |
Первый пошел — российская квантовая нейросеть успешно решила математические задачи |
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2023-09-04 13:04 ![]() Нейросети и квантовые компьютеры – это два главных тренда последнего времени. Но что произойдет, если возможности квантовых устройств объединить с машинным обучением? Решением этой задачи занялись российские ученые и уже достигли первых результатов. Хотя нам кажется, что нейросети обладают практически безграничными возможностями, с точки зрения объема производимых вычислений это не совсем так. По большому счету, они представляют собой классические компьютеры с множеством процессоров-нейронов, а потому у них есть свой потолок. Наступит момент, когда обработка огромного количества данных с помощью нейросети будет занимать слишком много времени или вовсе окажется невозможна. С другой стороны, квантовые компьютеры обладают потенциально огромными вычислительными возможностями и высочайшей скоростью работы за счет особых квантовых состояний, таких как запутанность. Недавно физики из МФТИ, МИСИС, Сколтеха и Российского квантового центра смогли объединить машинное обучение на основе мини-пакетного градиентного спуска по поверхности ошибки и квантовую сеть. В рамках VI Международной школы по квантовым технологиям в Миассе они продемонстрировали работу модели гибридного классификатора, дополненного квантовым симулятором. Представленный образец представляет цепочку из восьми трансмонных кубитов, в которых используется джозефсоновский переход, состоящий из двух сверхпроводящих электродов, разделенных тонким слоем изоляции. По сути получилась квантовая нейросеть, в которой искусственные нейроны заменены на кубиты. При этом для обучения были задействованы всего четыре кубита-нейрона. Первый слой этой нейросети представлял собой углы однокубитных операций, в более глубоких слоях были использованы наборы двухкубитных вентилей для запутывания кубитов. На выходе измерялось среднее значение ?z первого кубита – это и был ответ сети. ![]() Детали модели квантовой нейросети, созданной в МФТИ. Изображение: МФТИ Медель использовали для решения разных задач классификации: вычисления четности, определении меток рака молочной железы и идентификации марок вина. При этом задача про рак была более простой, так как требовала ответа — есть метка или нет. А вот задача с вином уже была многоклассовой с большим количеством параметров для определения. Но в итоге для этих задач была достигнута точность решения 94%, причем для запроса про рак модель начала выдавать точный ответ уже после десяти итераций. Также квантовой нейросети предложили распознать рукописные цифры из набора данных MINIST. Здесь точность решения составила 90% после нескольких десятков итераций. По словам авторов исследования, все это было достигнуто за счет удачной комбинации структуры квантовой цепочки и алгоритма машинного обучения. А точность и стабильность подтверждены методом перекрестной проверки. Пока результаты, показанные в ходе эксперимента, не сравнивались с тем, как бы справились с этими задачами обычные нейросети. Но это исследование важно само по себе как подтверждение возможности развития квантовых нейросетей. К тому же в планах команды физиков увеличение количества кубитов и решение более сложных задач, а также переход от классических данных к квантовым. Источник: zoom.cnews.ru Комментарии: |
|