文章图片
文章图片
文章图片
在神经网络中悬挂权重对性能有影响深层网络 。 相反 ， 在训练量子玻尔兹曼机器时 ， 量子相干可以二次减少样品的数量需要学习想要的任务 。 此外 ， 量子访问训练数据 ， 允许要训练的机器使用二次较少的访问请求 ， 训练数据比经典方法所需要的:量子算法在阅读的同时 ， 能否在大型训练数据集上训练深度神经网络只有极小数量的训练向量 。 量子信息处理从根本上提供了新的量子 ， 深度学习模型 。
例如 ， 添加横向场到伊辛模型的量子玻尔兹曼机可以诱导各种各样的量子效应 ， 如隧道效应 。 进一步增加量子耦合将量子玻尔兹曼机转换成各种量子 。 向可调对象添加可调横向交互作用 ， 实验模型被认为是全量子计算的通用模型适当的权重分配 ， 该模型可以执行任何算法通用量子计算机所能做到的 。 这种普遍的深度量子学习者可以识别并分类经典模式电脑不能 。 不像经典玻尔兹曼机 ， 量子玻尔兹曼机输出一个量子态 。
因此 ， 深度量子网络可以学习生成代表各种系统的量子态 ， 让网络充当量子联想记忆的一种形式 。 这种产生量子态的能力在经典机器中是不存在的学习 。 因此量子玻尔兹曼训练具有更广泛的应用分类量子态 ， 为经典数据提供更丰富的模型 。 量子数据的量子机器学习这也许是量子机器学习最直接的应用量子数据是量子系统产生的实际状态和过程 。
如上所述 ， 许多量子机器学习算法通过将数据映射到量子来发现经典数据中的模式机械状态 ， 然后用基本量子来操纵这些状态线性代数子例程 。 这些量子机器学习算法能否直接应用于光和物质的量子态来揭示它们的基本特征和模式 。 产生的量子模式分析通常比 。 更有效 ， 更有启发性量子系统数据的经典分析 。
【物质的量子态】
例如给定一个由密度矩阵描述的系统的多个副本 ， 量子主成分分析可以用来求其本征值并揭示时间中对应的特征向量而测量需要的经典设备密度矩阵的层析成像和所需的操作执行经典PCA 。 量子数据的量子分析可以在相对较小的量子计算机上进行可能会在未来几年内问世 。 一个特别强大的量子数据分析技术的使用探索量子动力学的量子模拟器 。
量子模拟机器是“量子模拟计算机”——量子系统动力学可以通过编程来匹配某些需要的动力学量子系统 。 量子模拟器可以是特殊用途的用来模拟一类特殊量子系统的装置 ， 或者是通用量子计算机 。 通过连接受信任的量子模拟器到一个未知的系统和调谐模型模拟器来抵消未知的动力学 ， 动力学的利用近似贝叶斯可以有效地学习未知系统 。 这大大减少了测量的次数需要执行模拟 。
同样 ， 宇宙量子模拟器算法可以重建量子动力学 ， 参考的量子玻尔兹曼训练算法允许状态在希尔伯特维数的时间对数上被重构空间 ， 它比重建动力学要快得多通过古典断层 。 用量子计算机来描述量子系统的特征 ， 或接受量子PCA算法中使用的输入状态 ， 我们必须谨慎处理数据 ， 最终达到想要的结果 。
推荐阅读
- 半导体中的晶格声子
- 为什么现在还有很多人不相信煤来源于树木的演变，而石油则来源于动物的尸体
- 人类生理极限合集，男性天然最长，女性天然最大等
- 星星还是那颗星星，山还是那座山吗？重温经典灾难电影
- 华林科纳的晶片湿法刻蚀研究
- 量子的时间演化
- 海怪真的存在？盘点7种被冲上海滩的不明生物，营销号的经典素材
- 2022年这些即将发生的天文事件! 宇宙永远不会停止给我们留下惊喜
- 模拟子程序