Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Квантовые компьютеры могут использовать в машинном обучении
Международная группа ученых рассказала о будущем машинного обучения.
Обычно мы рассматриваем информацию как некий абстрактный или виртуальный объект. Однако храниться эта информация должна на физическом носителе. Поэтому работа устройств, предназначенных для ее обработки, регулируется законами физики. Физические пределы способности машин к обучению также подчиняются этим законам. Самая известная физическая теория – квантовая, и при определении абсолютных пределов способностей компьютера к обучению нужно обращаться именно к ней.
Квантовый алгоритм – это многоступенчатая процедура, выполняемая на квантовом компьютере для решения той или иной проблемы, например поиска в базе данных. Программное обеспечение для квантового машинного обучения использует квантовые алгоритмы для обработки информации, и делает это способом, недоступным для классического компьютера.
Это открывает совершенно новые возможности и перспективы, которые могут превзойти самые известные классические алгоритмы, использующиеся в машинном обучении. Эффект, которого удается достичь с помощью квантовых компьютеров, называется «квантовым ускорением машинного обучения».
Методы машинного обучения используют математические алгоритмы для поиска определенных паттернов в больших массивах данных. Машинное обучение широко используется в биотехнологиях, фармацевтике, практической физике и многих других областях. Благодаря способности адаптироваться к новым данным, машинное обучение сильно превосходит способности людей. Несмотря на это, с некоторыми сложными задачами машинное обучение пока справиться не может. Ожидается, что квантовое ускорение станет возможным для множества задач машинного обучения, начиная от оптимизации и заканчивая глубинным обучением нейронных сетей.
В статье, опубликованной в журнале Nature, международная группа ученых под руководством сотрудника Сколтеха Якоба Биамонте (Jacob Biamonte) рассказывает о том, какие шаги надо предпринять, чтобы квантовое ускорение машинного обучения стало возможным на практике. Согласно мнению ученых квантовое машинное обучение может увеличить скорость и точность ряда базовых алгоритмов классического машинного обучения.
Дело в том, многие модели классического машинного обучения (в частности, глубинное обучение) основаны на классической симуляции систем, состоящих из большого количества двухуровневых подсистем (каждая из таких подсистем может находиться в одном из двух состояний). У этой математической конструкции есть прямой физический аналог — спиновые системы Изинга, хорошо известные в квантовой и статистической физике. Квантовая механика позволяет увеличить производительность систем Изинга (т.н. больцмановских машин или машин глубинного обучения).
Возможность использования квантовых компьютеров в машинном обучении привлекает в последнее время все больше внимания на фоне быстрорастущей мощности квантовых компьютеров. Эта возможность оказалась довольно неожиданной для физиков. Многие ученые полагают, что одной из основных задач квантового компьютера будет моделирование процессов химической физики для фармацевтической промышленности с целью открытия новых лекарств.
Сейчас становится ясно, что определенные модели машинного обучения, в особенности глубинного обучения, имеют свой квантовый эквивалент. Квантовое машинное обучение может быть использовано в тандеме с уже известными в квантовой теории информации методами, применимыми в квантовой химии. Это откроет новые возможности в наступающей эре квантовых технологий.
«Наша команда дискутировала по скайпу до поздней ночи, к какой области науки отнести наше исследование. Мы многократно переписывали нашу статью, меняли основную мысль, в конечном счете написали три версии за 8 месяцев, не имеющие между собой ничего общего, кроме названия – в итоге отправили конечный вариант в журнал Nature», – рассказывает Якоб Биамонте.
Telegram 
Дзен 
VK От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
В Олдувайском ущелье на севере Танзании ученые обнаружили скелет слона возрастом 1,78 миллиона лет, а рядом с ним — необычные для того времени каменные орудия. Авторы нового исследования полагают, что им удалось найти древнейшее место разделки гигантской добычи.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
В Олдувайском ущелье на севере Танзании ученые обнаружили скелет слона возрастом 1,78 миллиона лет, а рядом с ним — необычные для того времени каменные орудия. Авторы нового исследования полагают, что им удалось найти древнейшее место разделки гигантской добычи.
На скалистых берегах аргентинской Патагонии разворачивается настоящая драма. Магеллановы пингвины, долгое время чувствовавшие себя в безопасности на суше в своих многотысячных колониях, столкнулись с новым и беспощадным врагом. Их извечные морские страхи — касатки и морские леопарды — теперь блекнут перед угрозой, пришедшей из глубины материка. Виновник переполоха — грациозный и мощный хищник, недавно вернувшийся на эти земли после долгого изгнания.
Среди самых интригующих открытий космического телескопа «Джеймс Уэбб» — компактные объекты, получившие название «маленькие красные точки». Их видели только в самых дальних уголках Вселенной. Большинство возникло в первый миллиард лет после Большого взрыва, и ученые предполагали, что такие источники представляют собой небольшие компактные галактики. Однако международная команда астрономов пришла к иному выводу. Они предположили, что на самом деле «маленькие красные точки» — черные дыры, окруженные массивной газовой оболочкой.
Ученые задались вопросом: почему два расположенных по соседству спутника Юпитера такие разные, ведь на Ио повсеместно извергаются вулканы, а Европа полностью покрыта многокилометровой коркой льда. Есть версия, что Ио когда-то тоже была богата водой, но по итогам недавнего исследования это сочли неправдоподобным.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Последние комментарии