(相關(guān)資料圖)

IT之家 11 月 22 日消息，據(jù)鴻海科技集團(tuán)消息，鴻海研究院量子計(jì)算研究所謝明修所長(zhǎng)和澳洲雪梨大學(xué)團(tuán)隊(duì)，共同提出「Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits」研究報(bào)告，針對(duì)該領(lǐng)域長(zhǎng)久以來所面對(duì)的貧瘠高原現(xiàn)象（Barren Plateaus）提出解決方案，借由適當(dāng)?shù)慕o定可調(diào)變參數(shù)初始值進(jìn)行改善。

該研究成果已獲世界頂級(jí)機(jī)器學(xué)習(xí)，以及計(jì)算神經(jīng)科學(xué)領(lǐng)域的學(xué)術(shù)會(huì)議：「神經(jīng)信息處理系統(tǒng)大會(huì)（NeurIPS 2022）」所接受，在全球超過一萬(wàn)件的投稿中脫穎而出，于 11 月底進(jìn)行發(fā)表。

IT之家了解到，貧瘠高原是指當(dāng)量子計(jì)算機(jī)的比特?cái)?shù)目較大時(shí)，當(dāng)前量子神經(jīng)網(wǎng)絡(luò)的框架很容易變得無法有效進(jìn)行訓(xùn)練，其目標(biāo)函數(shù)會(huì)變得很平，導(dǎo)致訓(xùn)練過久或訓(xùn)練失敗。

針對(duì)該研究成果，謝明修所長(zhǎng)表示，提出貧瘠高原現(xiàn)象的解決方案，讓量子學(xué)習(xí)機(jī)器展現(xiàn)出的超越傳統(tǒng)機(jī)器的真正優(yōu)勢(shì)。結(jié)合該方案，量子計(jì)算研究所在今年鴻海科技日（HHTD22）展示量子模擬在電池開發(fā)上的研究成果，大大縮減了所需的量子資源。

談及貧瘠高原現(xiàn)象，謝明修所長(zhǎng)進(jìn)一步指出，一般來說，在量子機(jī)器學(xué)習(xí)的過程中，我們透過控制邏輯閘的可調(diào)變參數(shù)學(xué)習(xí)，來得到符合期望的量子電路模型，但是在學(xué)習(xí)的過程中，常因?yàn)檫壿嬮l過多且結(jié)構(gòu)過深，使得參數(shù)更新困難。

謝明修所長(zhǎng)表示，我們借由適當(dāng)?shù)慕o定可調(diào)變參數(shù)初始值，改善了貧瘠高原現(xiàn)象解決了長(zhǎng)久以來一直困擾著量子機(jī)器學(xué)習(xí)領(lǐng)域所面臨的問題，在該領(lǐng)域的研究得到了突破性進(jìn)展。

標(biāo)簽： 高原現(xiàn)象 解決方案