Квантовые компьютеры могут быть использованы в машинном обучении

Международная группа ученых рассказала о будущем машинного обучения.

cover_2

Автор изображения: Л. Жеглова

Обычно мы рассматриваем информацию как некий абстрактный или виртуальный объект. Тем не менее, храниться информация должна на физическом носителе. Поэтому работа устройств, предназначенных для обработки информации, компьютеров и айфонов, регулируется законами физики. Соответственно и физические пределы способности машин к обучению регулируются законами физики. Самая известная физическая теория – это квантовая теория, и при определении абсолютных пределов способностей компьютера к обучению нужно обращаться именно к ней.

Квантовый алгоритм – это многоступенчатая процедура, выполняемая на квантовом компьютере для решения той или иной проблемы, например, поиска в базе данных. Программное обеспечение для квантового машинного обучения использует квантовые алгоритмы для обработки информации, и делает это способом, недоступным для классического компьютера. Это открывает совершенно новые возможности и перспективы, которые могут превзойти самые известные классические алгоритмы, использующиеся в машинном обучении. Эффект, которого удается достичь с помощью квантовых компьютеров, называется квантовым ускорением машинного обучения.

Методы машинного обучения используют математические алгоритмы для поиска определенных паттернов в больших массивах данных. Машинное обучение широко используется в биотехнологиях, фармацевтике, практической физике и многих других областях. Благодаря способности адаптироваться к новым данным, машинное обучение сильно превосходит способности людей. Несмотря на это с некоторыми сложными задачами машинное обучение пока справиться не может.

 Ожидается, что квантовое ускорение станет возможным для множества задач машинного обучения, начиная от оптимизации и заканчивая глубинным обучением нейронных сетей.

 В статье, опубликованной в журнале Nature, международная группа ученых под руководством сотрудника Сколтеха, Якоба Биамонте (Jacob Biamonte) рассказывает о том, какие шаги надо предпринять, чтобы квантовое ускорение машинного обучение стало возможным на практике. 

Возможность использования квантовых компьютеров в машинном обучении привлекает в последнее время все больше внимания на фоне быстро растущей мощности квантовых компьютеров. Эта возможность оказалась довольно неожиданной для физиков. Многие ученые полагают, что одной из основных задач квантового компьютера будет моделирование процессов химической физики для фармацевтической промышленности с целью открытия новых лекарств. Сейчас становится ясно, что определенные модели машинного обучения, в особенности, глубинного обучения, имеют свой квантовый эквивалент. Квантовое машинное обучение может быть использовано в тандеме с уже известными в квантовой теории информации методами, применимыми в квантовой химии. Это откроет новые возможности в наступающей эре квантовых технологий.

«Наша команда дискутировала по скайпу до поздней ночи, к какой области науки отнести наше исследование. Мы многократно переписывали нашу статью, меняли основную мысль, в конечном счете написали три версии за 8 месяцев, не имеющие между собой ничего общего, кроме названия – и итоге отправили конечный вариант в журнал Nature», – рассказывает Якоб Биамонте.

Quantum Machine Learning, Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe and Seth Lloyd, Nature 549, 195–202 14 September 2017 doi:10.1038/nature23474

Контакты:
Александр Золотарев,
пресс-секретарь Сколтеха
Тел.: +7 (495) 280 14 81 доб.32-62

Tweet about this on Twitter0Share on Facebook0Pin on Pinterest0Share on Tumblr0Share on VK