📜  量子机器学习简介

📅  最后修改于: 2022-05-13 01:58:07.163000             🧑  作者: Mango

量子机器学习简介

技术每天都在呈指数级增长;量子计算机器学习是计算机科学领域中的两个这样的流行语,它们在同一领域发挥着至关重要的作用。但是有没有想过如果我们将量子世界的知识与当今的机器学习和人工智能结合起来会怎样?它会对我们的技术产生什么影响?它对人类有用还是我们只是在黑暗中射箭?
在深入了解这个细节之前,让我们首先介绍一下量子计算的基础知识及其令人惊讶的规则。
量子力学:
众所周知,所有元素都同时具有粒子性和波动性,这在过去被很多科学家一再证明。根据量子领域的定律,粒子(在量子层面,如电子、光子等)以所有可能的状态存在,直到被观察到。这种现象称为叠加。一个这样的思想实验是薛定谔的猫实验。尽管薛定谔的猫非常真实,但看起来很荒谬。如果量子对象不可能同时处于两种状态,那么您正在使用的计算机将不存在,这一点至关重要。
一个古老的笑话说互联网的存在是为了允许分享猫的视频。但在非常深的层面上,互联网要归功于一位澳大利亚物理学家和他想象中的猫。
量子计算的构建块:
我们的经典计算机使用两位 0 和 1。但是在量子计算机的情况下,位可以存在于 0 和 1 的叠加中,有一定的概率为 0,有一定的概率为 1,称为Quantum bitsQubit量子力学定律。
显然,人类受经典物理学的支配,我们最终生活在一个以经典物理科学(比分子大的东西)为代表的世界中。因此自然而然地得出输出必须是经典的——但是测量值的行为会导致量子位失去理性并分解为系统可以占据的潜在状态之一。
量子比特以这样一种方式相互作用,即在不了解其他比特的情况下无法独立定义比特的当前状态,这称为量子纠缠。在外行的语言中,我们可以说每一位都取决于另一位的当前状态。 IBM、谷歌和 NASA 等科技巨头已经投入大量资金建造量子计算机。
机器学习与量子计算:
机器学习是关于具有大维度数据的复杂数学计算。由于一个量子位可以同时包含 0 和 1,所以我们可以说
   N Qubit \mapsto 2^N Bits
所以1个量子位是2位,2个量子位是4位,3个量子位是8位……等等。等等,你不感动吗?然后让我们想象一下 300 Qubits,即 2^300 即 2^270 GB。世界上我们甚至没有那么多原子(永远不要低估指数的威力)。利用这个经典数据被转换成维度呈指数减小的量子数据。量子数据是发生在自然或人工量子系统中的任何数据源。启发式机器学习技术可以创建模型,最大限度地从嘈杂的纠缠数据中提取有用的经典信息。 TensorFlow Quantum (TFQ) 库提供了用于开发模型的原语,这些模型可以解开和概括量子数据中的相关性——为改进现有量子算法或发现新的量子算法开辟了机会。
除了这与经典计算机不同,其中固定输入位被发送到逻辑门的模块以进行一些算术运算并获得相应的固定位作为输出,在量子计算机中使用量子逻辑门,其中输入是叠加位和输出得到的也是纠缠叠加位。在这个过程中,相同的输入量子位可以被操纵到逻辑门中具有不同纠缠的各种所需输出,并帮助我们更快地在数据中找到模式和关系。在经典计算机中执行相同任务时,在某些情况下,由于计算能力的限制,超级计算机也可能需要很长时间才能进行计算。这就是机器学习的全部意义所在,即在数据中寻找隐藏的模式。
我们可以通过机器学习强加量子计算的一些应用是

  • 深度学习是机器学习中最迷人和最强大的领域之一,它需要大规模的优化和线性/矩阵乘法。神经网络需要大量矩阵乘法,但将其加载到量子逻辑门上,这是一项非平凡的任务,但由于其量子特性,可以非常快速地执行指数大矩阵与类似大向量的乘法。
  • 量子机器学习还可以影响药物和医疗保健的设计,即使对于超级计算机来说,这也是一项非常乏味的工作,因为它需要描述和计算分子中原子的所有量子特性,这在计算上非常困难。但是量子计算机做得更好,因为它在相同的属性上运行。
  • 针对超大数据集的小规模量子计算和强大经典计算的混合实现(例如:拓扑分析)
  • 量子不确定性可以与网络安全的 GAN 结合使用,以创建私钥来加密从一个位置到另一个位置的消息,这样黑客就不会因为不确定性而秘密地完美复制密钥。
  • 这听起来可能很荒谬,但我们有可能在没有物理传输数据的情况下将信息从一个位置传送到另一个位置,因为量子粒子的这些流体特性会在你改变一个粒子时以这种方式纠缠在空间和时间上影响对方并最终创建一个传送通道。

量子计算机并不是每个操作都会更快,而是每个操作都会慢一点,这是一台达到状态所需的操作数量呈指数级小的计算机。因此,改进不在于操作速度,而在于操作总数。对于特殊类型的计算,它们会更快,其中观察到计算并行性而不是发送邮件或观看 YouTube 视频。

结论:
以上所有内容可能听起来不可能,但常识并不是我们在处理量子领域时可以坚持的东西。量子计算机并不是我们普通计算机的更强大版本,就像你不能通过增加蜡烛的功率来制造灯泡一样。它完全是一种基于量子力学的不同技术,肯定会吹嘘机器学习数百万次。
此外, IBM还提供最先进的量子计算机供您进行实际工作,因此请尝试一下。