2021-06-22

最新推荐文章于 2024-10-07 06:31:57 发布

人间炽热是清风

最新推荐文章于 2024-10-07 06:31:57 发布

阅读量313

点赞数

文章标签：人工智能

本文链接：https://blog.csdn.net/qq_41935823/article/details/118099779

版权

量子计算论文之量子深度学习

“QDNN: deep neural networks with quantum layers” https://github.com/ChenZhao44/QDNN.jl
（1）可以一致逼近任意连续函数，并且比经典DNN具有更强的表示能力

（2）保留了经典DNN的非线性激活、多层结构和高效的反向传播训练算法等优点

（3）使用参数化量子电路(PQCs)作为基本构建模块，可以用于短期噪声中等规模量子(NISQ)处理器。

函数描述

手写数字二分类测试

1、经典神经网络的量子加速：

（1）基于伊辛模型的网络（随机过程,非前馈网络）的加速：

a、Hopfield网络的量子算法

b、利用量子波兹曼机进行强化学习

（2）基于Simulate feedforward NNs的网络加速：

也可以使用量子神经网络，无量子优势

2、前馈网络的量子加速：

方法：

（1）多层感知机（https://link.aps.org/doi/10.1103/PhysRevA.100.012334. ）

（2）卷积神经网络（arXiv preprint arXiv:1911.01117* (2019). ）

存在的限制：

（1）Fault-tolerance QC

（2）Assumptions of QRAM（“Quantum Random Access Memory“,https://link.aps.org/doi/10.1103/PhysRevLett.100.160501.）

（3）non-linearity comes from the post-selection; depth is limited

3、前馈网络的量子类比

（1）前馈网络的量子模拟方法：“Training deep quantum neural networks”，https://doi.org/10.1038/s41467-020-14454-2。

在该模型中，神经网络是一个参数化的量子电路(PQC)，将训练参数化的量子电路(PQCs)，也被称为量子神经网络(QNNs)。

（2）不同于PQC的观点

a、量子化学与组合优化,

论文： “A variational eigenvalue solver on a photonic quantum processor”， https://doi.org/10.1038/ncomms5213. 还有论文：” A Quantum Approximate Optimization Algorithm“。

b、量子态分类器

论文：“Hierarchical quantum classififiers”2018、 “Supervised learning with quantum-enhanced feature spaces”2019、“Circuit-centric quantum classififiers”2020.

c、生成的机器学习模型

论文：“Difffferentiable learning of quantum circuit born machines”2018、 “Quantum generative adversarial networks”2018、“Quantum generative adversarial learning”2018