5分快三APP下载 IBM :实现机器学习的「量子优势」还任重道远,但在特征映射方面的努力将见成效 | 雷锋网

  • 时间:
  • 浏览:51

雷锋网 AI 科技评论按:「量子优势」你你是什么 概念是科技公司大多公开表达或半公开支持有有一种说法,即量子计算机5分快三APP下载的计算性能超越史上最强的经5分快三APP下载典计算机。在通往「量子优势」这条道路上,IBM 可谓是一位超级预备党员。日前,IBM 发布博文介绍了其在《自然》上发表的一篇名为《使用量子强化外部空间的监督学习》的论文所提出的有有一种量子算法,称该算法有望在不远的将来让量子计算机实现机器学习。雷锋网 AI 科技评论编译如下。

朋友儿对于未来量子计算强大的正确处理能力寄予厚望,希望它有朝一日推动人工智能实现指数级发展。当用于训练 AI 系统的机器学习算法获得了大量数据来摄取、分类和分析时,AI 系统也随之迎来了繁荣发展。根据特定外部或外部进行的数据分类越精确,AI 的性能就越高。量子计算有望在机器学习中发挥关键的作用,包括访问更多计算复杂性的外部空间等至关重要的帕累托图——数据的细粒度方面的提高或许我太满 为该领域带来新思路。

在刊登于《自然》的一篇名为《使用量子强化外部空间的监督学习》(「Supervised lear5分快三APP下载ning with quantum enhanced feature spaces」,论文阅读地址:https://www.nature.com/articles/s41586-019-0950-2)的新研究论文中,IBM 提出并测试了有有一种量子算法,该算法有望在不远的将来让量子计算机实现机器学习。并肩,朋友也展示了,随着量子计算机的性能在未来几年日益增强以及其「量子体积」(Quantum Volume)日益增大,它们我太满 在宽度复杂性的数据外部上,以即便是最强大的经典计算机也望尘莫及的规模执行外部映射你你是什么 机器学习的关键操作。

并肩,IBM 提出的你你是什么 土办法还我太满 使用短型系统电路(short-depth circuits)对数据进行分类,从而为正确处理退相干(decoherence)开辟出一根道路。同样重要的是,该土办法实现的外部映射与所预期的一样:即使 IBM Q 系统的正确处理器出现了退相干现象,它的工程数据也不 会出现分类错误。

更大、更好的图像

外部映射是有有一种分解数据以访问该数据的细粒度帕累托图的土办法。经典和量子机器学习算法都还须要对图像进行分解,类似于,通过分解像素并根据每个像素的颜色值将有有哪些像素放置在原本网格中的土办法来分解图像。同样地,算法将单个数据点非线性地映射到高维空间,再根据其最基本的外部进行数据分解。在更大多的量子情况汇报空间中,IBM 实现的你你是什么 外部映射,在分离该数据的各帕累托图和外部上的表现要比经典机器学习算法创建的外部映射更好。最终,根据特定特点或外部进行的数据分类越精确,AI 的性能也就越好。

该土办法的目标是使用量子计算机创建我太满 生成更复杂性的数据映射的新分类器。原本话语,研究人员将我太满 开发出更有效的 AI,类似于,还须要识别经典计算机无法识别的数据模式的 AI。

IBM 为新的量子数据分类算法和外部映射制定了蓝图。这对于 AI 来说非常重要,机会数据集越大、越复杂性,将数据分成有意义的类以训练机器学习算法就越困难。机器学习正确处理的分类结果机会不佳,就机会会造成最终结果也不 理想:就比如说,会降低医疗设备根据乳腺 X 线摄影数据识别癌细胞的能力。

噪音现象

IBM 还表示,朋友发现测试过程中即便存在噪音,朋友也还须要继续对其工程数据进行分类。而现在的量子计算机即使在宽度受控的实验室环境中,将比特维持在量子情况汇报也好难超过几百微秒。对于量子比特来说,这有点硬要,机会它要想执行计算,保持在量子情况汇报的时长就要足够长。

IBM 的算法展示了量子纠缠(entanglement)怎样提高 AI 分类的准确性,并肩,该算法将作为 IBM Qiskit Aqua 的 一帕累托图对外开放。Qiskit Aqua 是原本量子算法开源库,开发者、研究人员以及行业专家都还须要利用它,通过经典应用tcp连接和常见的编码语言(如 Python)访问量子计算机。

Qiskit Aqua开源地址:

https://github.com/Qiskit/qiskit-tutorials/blob/master/qiskit/aqua/artificial_intelligence/qsvm_kernel_classification.ipynb

IBM 表示,现在朋友距离实现机器学习的「量子优势」(Quantum Advantage)项目还很远,不过一旦该项目最终实现,量子计算机在执行 AI 算法上的性能将远超经典计算机。并肩,朋友的研究还尚未对「量子优势」实现论证,机会朋友受限于当前的硬件能力将计算现象的范围最小化了,并肩也仅使用 2 个比特的量子计算容量——原本才还须要在经典计算机上进行模拟。不过,朋友正在推进的外部映射土办法,不久后就我太满 对比经典计算机我太满 正确处理的更复杂性得多的数据集进行分类。「朋友儿开拓了一根前景光明的道路。」雷锋网(公众号:雷锋网)

via:https://www.ibm.com/blogs/research/2019/03/machine-learning-quantum-advantage/

雷锋网原创文章,未经授权禁止转载。详情见转载须知。