"量子优越性"之后,谷歌强势开源量子版TensorFlow

作者: 蒋宝尚 2020-03-10 10:42:22

继2019年10月谷歌在《Nature》上发布关于验证“量子优越性”论文之后,3月9日,谷歌再次就“量子”做出新的发布。

这次发布的是开源“量子版 TensorFlow”:TensorFlow Quantum(TFQ)。

"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i text-align: center;Source:知乎[4]

在经典的感知机中,我们输入的是一个 0 、1 组成的向量,但如果是量子感知机的话,它输入的就是许多个 |φ> = c1 |0> +c2 | 1> 组成的向量,而这个向量的每个元素又都可能既是 0 又是 1 。

然而到现实中,由于目前的量子处理器仍然存在尽管很小但仍不容忽视的噪声,这使得几乎不可能单独用量子处理器来学习量子数据。

于是只能退而求其次,谷歌的NISQ处理器需要与传统的处理器进行协同才能有效地抑制噪声的影响。这种硬件的协同也同样造成算法上的协同,因此便有了量子-经典混合模型,其中模型的量子部分在量子处理器上进行处理,而经典部分则在经典处理器上进行处理。

"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i text-align: center;图注:用于检测团簇状态CNN的结构

经典的神经网络往往具有平移不变性,而具有平移对称性的量子数据有很多种。这样的量子数据往往是簇态(cluster states)。量子-经典卷积神经网络混合分类器可以解决簇态时检测错误的问题,具体做法是将其看做有监督的分类任务,不过训练所使用的数据将由各种正确和不正确准备的簇态组成,每个都与它们的标签配对。

量子控制中的混合机器学习。为了充分利用神经网络的优化能力的同时,而不用考虑计算开销,有必要对各种神经网络表示和不同类型的量子控制动力学之间的联系进行更深的理解。

"量子优越性"之后,<span><span><span><i text-align: center;图注:用于学习量子控制分解的混合量子-经典神经网络模型的体系结构

为了达到这个目标,需要TFQ集成几个功能:

  • 混合量子-经典网络模型;
  • 批量量子电路模拟器;
  • 基于量子期望的反向传播;
  • 基于梯度和基于非梯度的快速经典优化器。

量子近似优化算法(简称QAOA)。QAOA最初是用来求解最大割问题, 目前的QAOA框架已寻找高阶哈密顿量和连续变量哈密顿量等类似问题。

3、怎么用?

TFQ可以让研究人员在单个计算图中将量子数据集、量子模型和经典控制参数构造为张量。当然与经典机器学习一样,量子机器学习的关键挑战也是对“噪音数据”进行分类。

"量子优越性"之后,<span><span><span><i text-align: center;图注:TFQ计算步骤的抽象概述。

但是,要构建和训练这样的模型,研究人员必须执行以下操作:

  • 准备量子数据集,每个量子数据张量都指定为用Cirq编写的量子电路,该电路可实时生成量子数据。
  • 评估量子神经网络模型,量子模型实质上是对输入的量子数据进行解纠缠,从而留下以经典相关性编码的隐藏信息,从而使其可用于本地测量( local measurements )和经典的后处理( classical post-processing)。
  • 样本或期望值。量子态的测量从经典随机变量中以样本形式提取信息。来自随机变量的值的分布通常取决于量子态本身以及所测得的可观测值。由于许多变分算法都取决于测量的平均值,因此TFQ提供了对涉及步骤(1)和(2)的多个运行求期望值的方法。
  • 评估经典神经网络模型。提取经典信息后,其格式适用于进一步的经典后处理,由于提取的信息可能仍会以测量的期望之间的经典相关性进行编码,因此经典深度神经网络能应用于提取此类相关性。
  • 评估损失函数 。根据经典后处理的结果,评估损失函数。
  • 评估梯度和更新参数。评估损失函数后,应沿预期可降低损失的方向更新自由参数这通常是通过梯度下降执行的。

从代码方面来看。基础的安装与调用与Python其他深度学习库没有什么区别。

例如安装:

  1. pip install -q tensorflow-quantum 

导入相关模块:

  1. import tensorflow as tf 
  2. import tensorflow_quantum as tfq 
  3. import cirq 
  4. import sympy 
  5. import numpy as np 
  6. # visualization tools 
  7. %matplotlib inline 
  8. import matplotlib.pyplot as plt 
  9. from cirq.contrib.svg import SVGCircuit 
"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i text-align: center;"量子优越性"之后,<span><span><span><i right
量子计算机 芯片 超算
上一篇:5G网络建设80%:5G机器人即将迎来新转机 下一篇:用机器学习分析完YouTube网红视频后,我发现了播放量暴涨的秘密
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能专用SoC芯片IP需求分析

目前支持AI计算开发的半导体有独立加速器和 in-memory/near-memory 计算技术两种。独立加速器以某种方式连接到应用处理器,并且有一些应用处理器在设备上添加了神经网络硬件加速。

synopsys ·  2021-03-11 07:54:31
什么是人工智能芯片?人们需要知道的一切

行业专家指出,许多智能设备和物联网设备都是由某种形式的人工智能(AI)驱动的——无论是语音助理、面部识别摄像头,还是电脑。这些设备需要采用某种技术为它们进行的数据处理提供支持。有些设备需要在云平台的大型数据中心处理数据,而也有一些设备将通过本身的人工智能芯片进行处理。

李睿 ·  2021-01-19 09:00:00
靠脑机接口“隔空探物”,大脑植入芯片可实现“心灵感应”

人类对脑机接口的探索终于迈出了一小步,大脑人造卫星开始上天。那么,人类能否通过大脑植入的这些装置实现“隔空探物”的意念操控,也就是所谓“心灵感应”吗?

脑极体 ·  2020-11-11 09:37:56
欧洲发布最强AI超级计算机LEONARDO,超算系统格局将发生变化

本周在意大利CINCA研究中心揭幕的Leonardo(莱昂纳多)超算是用了14000个Nvidia GPU,Nvidia称其为“世界上最强大的AI系统”,这个系统在某些半精度浮点(FP16)应用中提供10 exaflops的AI性能,在以Top500为基准进行测试时,可以提供大约200 petaflops算力。

包永刚 ·  2020-10-18 17:53:16
Nature:麻省理工人造「巨型原子」问世,量子处理和量子通信合二为一

一直以来,量子计算机都是一个神秘且「高大上」的存在。中国科学院院士潘建伟曾这样打比方说:如果传统计算机的速度是「自行车」,那么量子计算机的速度就是「飞机」。

佚名 ·  2020-07-30 13:15:30
神经网络+量子计算机?华人学者开源首个量子计算协同设计框架

近日,由圣母大学姜炜文博士后,史弋宇教授和 IBM 研究院 Jinjun Xiong 博士开展的研究,实现了首个机器学习和量子计算协同设计框架,QuantumFlow,为神经网络在量子计算机上的实现铺平了道路。

佚名 ·  2020-07-24 13:30:59
AI 芯片是个伪命题吗?

技术研发关卡“无芯片不 AI”。最近几年,业界萦绕着对摩尔定律失效的担忧。后摩尔定律时代,AI 芯片的崛起被寄予厚望。

刘燕 ·  2020-07-09 14:44:07
MIT新型“大脑芯片”问世,数万人工大脑突触组成,可进行超复杂计算

近日,麻省理工学院(MIT)的工程师们设计了一种“大脑芯片”,让我们向那种未来又迈进了一步。

佚名 ·  2020-06-16 15:22:55
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载