Quantum Neural Network for Quantum Neural Computing

要約

ニューラル ネットワークは、産業界と学術界の両方で目覚ましい進歩を遂げてきました。
量子コンピューティングデバイス上でニューラルネットワークを効果的に開発する方法は、未解決の挑戦的な問題です。
ここでは、自然に発生する環境誘起デコヒーレンスを伴う実世界の量子システムでの（古典的に制御された）単一量子ビット操作と測定を使用する、量子ニューラルコンピューティングのための新しい量子ニューラルネットワークモデルを提案します。これにより、物理実装の困難が大幅に軽減されます。
私たちのモデルは、ニューロンの数に応じて状態空間のサイズが指数関数的に増大するという問題を回避し、それによってメモリ要件を大幅に削減し、従来の最適化アルゴリズムによる高速な最適化を可能にします。
手書き数字認識やその他の非線形分類タスクのモデルをベンチマークします。
結果は、私たちのモデルが驚くべき非線形分類能力とノイズに対する堅牢性を備えていることを示しています。
さらに、私たちのモデルにより、量子コンピューティングをより幅広い状況に適用できるようになり、標準的な量子コンピューターよりも早期の量子ニューラル コンピューターの開発が促進されます。

要約(オリジナル)

Neural networks have achieved impressive breakthroughs in both industry and academia. How to effectively develop neural networks on quantum computing devices is a challenging open problem. Here, we propose a new quantum neural network model for quantum neural computing using (classically-controlled) single-qubit operations and measurements on real-world quantum systems with naturally occurring environment-induced decoherence, which greatly reduces the difficulties of physical implementations. Our model circumvents the problem that the state-space size grows exponentially with the number of neurons, thereby greatly reducing memory requirements and allowing for fast optimization with traditional optimization algorithms. We benchmark our model for handwritten digit recognition and other nonlinear classification tasks. The results show that our model has an amazing nonlinear classification ability and robustness to noise. Furthermore, our model allows quantum computing to be applied in a wider context and inspires the earlier development of a quantum neural computer than standard quantum computers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google