" />
{link}
  1. <var id="RBcF43saX"></var>



    bodog博狗体育承当量子计算遇到机器学习会碰撞出什么火花?|数据处理|科技日报|机器学习科技

    文章来源:读书 发布时间:2019-08-26 15:44:41  【字号:      】

    当量子计算遇到机器学习会碰撞出什么火花?|数据处理|科技日报|机器学习科技

    起源:科技日报

    没有人会猜忌,量子盘算和机器学习是当前最炙手可热的两个研讨范畴。

    在量子盘算方面,理论和硬件的一个个突破性进展让人们看到大范围通用量子盘算机的脚步越来越近。

    在机器学习方面,以人工神经网络为代表的方式在视觉、语音、自然语言懂得、游戏等利用范畴中有了很大的性能晋升。三位深度学习范畴专家获得2019年图灵奖,更是被评论为“意味着AI复兴元年的到来”。

    当量子盘算和机器学习相遇,会碰撞出什么火花?“总的来看,这是一个还处于早期摸索,未来有很大发展空间可以等待的范畴。” 腾讯出色科学家、腾讯量子试验室负责人张胜誉评价道。

    两者并非“油和水”的混杂

    早在上世纪90年代,威奇塔州立大学的物理学教授伊丽莎白·贝尔曼就开端研讨量子物理与人工智能的联合,而在当时,神经网络还堪称是特立独行的技巧。大多数人以为这是在把油和水进行混杂。她回想说:“我花了很长时光才把论文出版。与神经网络相关的期刊会说,‘量子力学是什么?’,而物理期刊会说,‘神经网络是什么?’”

    但随着量子盘算和机器学习在各自范畴的进展,二者的联合似乎水到渠成。

    神经网络和其他机器学习系统已成为人工智能时期的核心技巧。具备机器学习才能的人工智能在某些方面的才能远超人类,不仅在国际象棋和数据发掘等方面表示出众,而且在人类大脑所善于的面部辨认、语言翻译等方面进展敏捷。通过后台的强盛算力,这些系统的价值不断凸显。

    但同时,传统盘算机数据处置才能接近极限,而数据却在不断增加。正因此,业界展开了剧烈竞争,看谁能率先推出一款比现有盘算机更强盛的量子盘算机,来处置日益宏大的数据。

    “机器学习技巧的提高有赖于盘算才能的进步,量子盘算机的盘算才能确定比现有机器强太多,它必定能推进机器学习的发展,这就好比,一个头脑转得很快、更聪慧的人比一个反映慢的人处置问题更快更好。” 中国科学技巧大学中科院量子信息重点试验室研讨员韩正甫告知科技日报记者,机器学习可能会在很短的时光内处置超越当前才能的庞杂问题。

    北京国双科技有限公司(以下简称“国双”)首席技巧官刘激扬在接收科技日报记者采访时则表现,随着产业数据范围的爆炸式增加,深度学习模型网络参数的不断扩增,现有的盘算构造及框架,面对海量的数据范围及深层网络构造,处置剖析所需的时光、硬件成本非常高,因此,亟须更为高效的解决计划。

    强强结合的化学反映

    刘激扬说,正因此,很多研讨机构及科技公司都将眼光集中到了量子盘算范畴。

    “量子盘算的奇特性质,使得它无论是在数据处置才能还是数据存储才能上,在理论上都远超经典盘算,所以若将其利用到机器学习中,不仅可以解决目前机器学习算法处置海量大数据时盘算效力低等问题,甚至可能改变全部机器学习范畴。”刘激扬说,机器学习和量子盘算若联合,一方面是盼望应用量子盘算精良的数据处置才能,解决机器学习运算效力低的问题;另一方面摸索应用量子力学的性质,开发更加智能的机器学习算法。

    刘激扬具体剖析道,机器学习与量子盘算的联合,重要有以下几种情势:由于量子盘算能够同时履行大批、庞杂的盘算进程,所以通过联合它可以使某些在传统机器学习中不可盘算的问题变为可能, 从而大幅下降机器学习算法的盘算庞杂度;应用量子理论的并行性等加速特色直接与某些机器学习算法深度联合,从而可以催生出一批全新的量子机器学习模型,这些模型能够实现更高的盘算效力;还可以应用机器学习算法,解决量子物理学范畴中的一些难以剖析的问题,如量子多体物理问题、 量子优化把持等。

    “近十年出现出大批量子技巧和机器学习联合的研讨,重要在用经典机器学习说明和辅助量子力学的研讨,也有不少对经典机器学习设计高效量子算法的研讨,还有少量其他方面,如量子启示式机器学习、用量子理论辅助懂得机器学习中的现象等,大家得到了情势丰盛的成果。”张胜誉告知科技日报记者。

    张胜誉与团队近日系统梳理了量子机器学习的发展,文章发表于《国度科学评论》2019年第1期出版的“量子盘算”专题。

    国内企业积极安排

    “虽然进展喜人,但我们也应当注意到目前机器学习范畴的很多成果在严厉性、问题基本性和未来适用性上都还有很大的晋升空间。总的来看,这是一个还处于早期摸索,未来有很大发展空间可以等待的范畴。”张胜誉以为。

    “量子机器学习的更多利用还须等到可以实现大范围量子信息存储,以及有成熟的量子盘算机呈现才行。”韩正甫说,但事实上,量子盘算机的概念1980年代提出,投入研发20年,迄今还没有一台真正走出试验室。

    刘激扬也表现,量子盘算机是真正实现量子机器学习算法适用化的主要硬件基本,要想将量子机器学习算法利用于实际的数据剖析和处置义务中,须要将数据转化为量子态,上传至盘算机中,进行存储、处置并导出,这就须要研制出具有成百上千超导量子比特的量子盘算机,“在通用量子盘算机建造胜利之前,量子机器学习算法则很难在实际利用中展示出其数据处置方面的强盛才能。”

    张胜誉剖析道,由于硬件资源的受限,量子机器学习的验证和发展确切有很多瓶颈。“理论上可以进行更多量子加速的研讨,实践上也可以联合硬件不停推动对物理化学中基础问题的懂得。”他以为,这个范畴最终的突破,可能须要理论和硬件手拉手往前走。

    在刘激扬看来,量子机器学习还缺少完备的理论框架及实际验证。“由于量子机器学习只能在量子状态下进行,而当前由经典信息到量子信息的转换研讨较少,还有很多问题未解决。”

    “我们还不能从基本理论角度来论述量子机器学习算法的优势。”刘激扬说,目前仍不能证明某个量子机器算法的性能比所有的经典机器学习算法都好, 因为没有找到同样庞杂度的经典算法,但这并不代表这样的经典算法不存在,所以还有待进一步研讨证明。

    但是,在业界大佬们看来,量子机器学习是个充斥无限遐想的范畴。“深度学习带来的变更已经远超十年前的估量,量子盘算机对量子多体系统的模仿会给我们带来哪些推翻性的认识,量子与机器学习联合会对我们自身和自然界的懂得和改变带来哪些影响,这里有非常大的想象空间。”张胜誉说。

    张胜誉介绍道,腾讯一直连续关注量子机器学习的方向。“我们团队和法国的合作者Iordanis Kerenidis一起设计了第一个可证明有加速的神经网络量子算法,团队在机器学习对量子物理和量子化学的懂得上也在不停向前摸索。我们盼望能在这个令人等待的范畴中作出一些踏实的贡献。”

    在机器学习范畴深耕多年的国双,也一直关注着量子机器学习等相关范畴的最新动态。刘激扬说,目前,该公司的产业人工智能平台搭载包含机器学习、知识图谱、自然语言处置等人工智能技巧与算法,在数字营销、司法大数据、工业互联网等范畴都积聚了丰盛的实践经验及胜利案例,切实的辅助客户晋升生产运营效力。

    “除了连续推进‘AI+行业解决计划’服务模式落地外,我们会跟进量子机器学习的进展并积极安排,思索如何将这些新兴技巧融入国双独有的产业人工智能平台,致力落适用技巧改变产业,为客户实现智能化转型而尽力。”刘激扬说。




    (责任编辑:肥乡县)

    附件:

    专题推荐

    • {links}