В одном из ведущих российских изданий по физике «Письмах в Журнал экспериментальной и теоретической физики» опубликована статья (http://jetpletters.ru/ps/2526/article_36985.pdf), посвящённая обучению квантовых рекуррентных нейронных сетей на сверхпроводниковом квантовом процессоре. Работа выполнена совместно с коллегами из МФТИ и ИРЭ им. В.А. Котельникова РАН.
Среди авторов Центра ИИ Сколтеха — Владимир Вановский, старший научный сотрудник, руководитель направления гибридного моделирования, также старший научный сотрудник Александр Рябов.
Авторы рассматривают задачу прогнозирования временных рядов с использованием вариационных квантовых алгоритмов на устройствах текущего поколения — так называемых шумных квантовых процессорах промежуточного масштаба.
В статье предложена и исследована архитектура квантовой рекуррентной нейронной сети, реализуемой на интегральной схеме Джозефсона на основе сверхпроводящих кубитов. Подробно изучается обучаемость модели в зависимости от числа кубитов, глубины квантовой схемы, способа кодирования данных и повторной загрузки информации в квантовую систему.
Показано, что при корректном выборе архитектурных параметров квантовая модель может достигать качества прогнозирования, сопоставимого с классическими рекуррентными нейросетями (RNN, LSTM, GRU), несмотря на физические ограничения квантового «железа». Отдельное внимание уделено балансу между выразительностью модели и сохранением когерентности квантовых состояний — ключевой проблеме практического квантового машинного обучения.
Работа сочетает моделирование на классическом эмуляторе и экспериментальное обучение на реальном сверхпроводниковом квантовом процессоре, что делает результаты особенно значимыми для оценки реальных возможностей квантовых методов в ближайшей перспективе.
Пока что квантовое машинное обучение в основном сводится к повторению классических алгоритмов машинного обучения и проверке возможности воспроизведения, а иногда и улучшения результата. Это является важным шагом для поиска практических применений квантовых компьютеров, и то, что авторы продемонстрировали работу на реальном квантовом процессоре, повышает ценность работы.
Источник: jetpletters.ru
Источник: ai-news.ru
