19:08 2024-04-02 science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu

_ Rețeaua neuronală optică clasică prezintă „accelerare cuantică”

_ Rețeaua neuronală optică clasică prezintă „ accelerare cuantică'

În ultimii ani, tehnologiile de inteligență artificială, în special algoritmii de învățare automată, au făcut progrese mari. Aceste tehnologii au permis o eficiență fără precedent în sarcini precum recunoașterea imaginilor, generarea și procesarea limbajului natural și detectarea obiectelor, dar o astfel de funcționalitate remarcabilă necesită o putere de calcul substanțială ca bază.

Resursele de calcul actuale se apropie de limita lor, reducerea eficientă a costurilor de instruire a modelelor de învățare automată și îmbunătățirea eficienței antrenării acestora este o problemă importantă în domeniul cercetării.

Pentru a aborda problema, au fost depuse eforturi mari în două direcții de cercetare: rețelele neuronale optice și rețele neuronale cuantice. Rețelele neuronale optice utilizează metode avansate de manipulare optică pentru a executa algoritmi de învățare automată în procesarea clasică a informațiilor optice. Au avantaje unice, cum ar fi consumul redus de energie, diafonia redusă și latența scăzută a transmisiei. Cu toate acestea, rețelele neuronale optice actuale nu prezintă accelerație algoritmică, cum ar fi o viteză mai mare de convergență a modelului.

Rețelele neuronale cuantice sunt algoritmi de rețele neuronale bazați pe teoria calculului cuantic. Cercetări recente au arătat că rețelele neuronale cuantice pot demonstra accelerația algoritmică din cauza corelațiilor cuantice. Cu toate acestea, din cauza limitărilor tehnice, în prezent este dificil să se execute astfel de algoritmi de rețele neuronale pe hardware la scară largă, ceea ce face dificilă aplicarea lor în problemele practice cu care se confruntă oamenii în prezent.

Într-o nouă lucrare. publicat în Light: Science & Applications, o echipă de oameni de știință, condusă de profesorul Xiangdong Zhang, de la Laboratorul cheie de arhitectură cuantică optoelectronică avansată și măsurători al Ministerului Educației; Laboratorul cheie de Nanofotonică și Sisteme Optoelectronice Ultrafine din Beijing, Școala de Fizică, Institutul de Tehnologie din Beijing, China și colegii de muncă au dezvoltat un nou tip de rețea neuronală optică care poate prezenta analogia de accelerare a unei rețele neuronale cuantice.

Această proprietate interesantă apare ca urmare a introducerii corelațiilor optice clasice ca purtător de informații. De fapt, folosind un astfel de tip de purtător, se poate imita modul de procesare a informațiilor activat de calculul cuantic, ceea ce a fost dovedit de lucrările anterioare ale cercetătorilor.

Pe baza proprietății, cercetătorii au dezvoltat operația de convoluție și de pooling asupra stării optice corelate și a stabilit o rețea neuronală convoluțională optică corelată. Această rețea neuronală optică are o corespondență unu-la-unu cu rețeaua neuronală convoluțională cuantică. Acesta arată accelerarea procesului de instruire în procesul de învățare a anumitor seturi de date și poate fi aplicat pentru a identifica caracterul stărilor cuantice conform unui anumit principiu de codificare.

Metoda și tehnica raportate vor deschide noi căi pentru realizarea unei optice îmbunătățite din punct de vedere algoritmic. rețele neuronale, care vor beneficia de procesarea informațiilor în era datelor mari.

Structura de bază a unei rețele neuronale convoluționale optice corelate include patru părți: sursa de lumină corelată, convoluția, punerea în comun și detecțiile . Procesarea de bază a stării optice corelate se face prin convoluție și partea de pooling. Spre deosebire de rețelele neuronale convoluționale clasice, aceste două părți ale rețelei neuronale optice convoluționale corelate manipulează corelarea stărilor optice și generează stări corelate mai simple prin îmbinarea fasciculelor.

„Aceste două părți efectuează de fapt operațiile analog cu porțile cuantice din rețelele neuronale convoluționale cuantice”, au spus oamenii de știință. „Partea de convoluție din rețeaua noastră este compusă din operații unitare asupra stării optice corelate.

"Este ca și operațiile unitare pe spațiul Hilbert al qubiților. Partea de pooling pe care o considerăm echivalentă cu măsurarea qubiților parțiali pentru obținerea unui spațiu sub-Hilbert. O astfel de parte duce la o scădere exponențială a dimensiunea datelor. Prin urmare, funcția celor două părți contribuie la o convergență mai rapidă a funcției de pierdere la învățarea anumitor seturi de date.

„În plus, certificăm și asemănarea rețelei noastre neuronale convoluționale optice corelate cu rețea neuronală convoluțională cuantică prin efectuarea identificării fazei topologice a stărilor cuantice. Certificarea este susținută de rezultate atât teoretice, cât și experimentale.

„Rezultatele indică, de asemenea, că proprietățile rețelei neuronale cuantice pot fi realizate într-un mod mai accesibil”, au adăugat ei.

„În ciuda potențialelor avantaje ale rețelelor neuronale cuantice, implementarea lor necesită practic circuite cuantice profunde, cu multe porți multi-qubit și măsurători complicate. Acest lucru necesită resurse semnificative pentru stabilizarea circuitelor și corectarea erorilor, ceea ce este o provocare din punct de vedere tehnic din cauza perturbațiilor inevitabile ale mediului.

„O alternativă potențial mai bună este găsirea unui sistem descris de aceeași matematică ca și teoria cuantică și mai puțin întrerupt de mediu. Rețelele neuronale optice corelate propuse servesc ca exemplu pentru un astfel de sistem, așa cum demonstrează ușurința aranjamentelor elementelor și cerințele scăzute privind circumstanțele din experimentele noastre.

„Dinând cont de creșterea exponențială a datelor și de deficitul de date. de resurse pentru calcul de înaltă calitate, abordarea noastră prezintă o soluție rentabilă și de înaltă performanță care ar putea avea aplicații pe scară largă în diferite domenii de cercetare în domeniul științei datelor.”

(Fluierul)

Inapoi