Nghiên cứu mới đạt đột phá trong tính toán lượng tử

Nghiên cứu mới của một nhóm tại Phòng thí nghiệm Quốc gia Los Alamos đã đạt được một đột phá trong tính toán lượng tử. Một định lý mới chứng tỏ rằng các mạng nơ-ron tích chập có thể luôn được đào tạo trên máy tính lượng tử, điều này vượt qua một mối đe dọa được gọi là “đài cao nguyên hoang sơ” trong các vấn đề tối ưu hóa.

Nghiên cứu được công bố trên Physical Review X.

Đài cao nguyên hoang sơ – Vấn đề giải quyết cơ bản

Các mạng nơ-ron tích chập có thể chạy trên máy tính lượng tử để phân tích dữ liệu tốt hơn máy tính cổ điển. Tuy nhiên, đã có một vấn đề giải quyết cơ bản được gọi là “đài cao nguyên hoang sơ” đã gây ra thách thức cho các nhà nghiên cứu bằng cách hạn chế ứng dụng của các mạng nơ-ron cho các tập dữ liệu lớn.

Marco Cerezo là đồng tác giả của bài báo nghiên cứu có tiêu đề “Sự vắng mặt của đài cao nguyên hoang sơ trong các mạng nơ-ron tích chập lượng tử”. Cerezo là một nhà vật lý học chuyên về tính toán lượng tử, học máy lượng tử và thông tin lượng tử tại phòng thí nghiệm.

“Cách bạn xây dựng một mạng nơ-ron lượng tử có thể dẫn đến một đài cao nguyên hoang sơ – hoặc không”, Cerezo nói. “Chúng tôi đã chứng minh sự vắng mặt của đài cao nguyên hoang sơ đối với một loại mạng nơ-ron lượng tử đặc biệt. Công việc của chúng tôi cung cấp các bảo đảm về khả năng đào tạo cho kiến trúc này, có nghĩa là bạn có thể đào tạo các tham số của nó một cách chung chung.”

Các mạng nơ-ron tích chập lượng tử liên quan đến một loạt các lớp tích chập được xen kẽ với các lớp thu gọn, cho phép giảm chiều của dữ liệu trong khi giữ lại các tính năng quan trọng của một tập dữ liệu.

Các mạng nơ-ron có thể được sử dụng cho một loạt các ứng dụng, chẳng hạn như nhận dạng hình ảnh và khám phá vật liệu. Để đạt được toàn bộ tiềm năng của máy tính lượng tử trong các ứng dụng trí tuệ nhân tạo, các đài cao nguyên hoang sơ phải được vượt qua.

Theo Cerezo, các nhà nghiên cứu trong lĩnh vực học máy lượng tử đã truyền thống phân tích cách giảm thiểu tác động của vấn đề này, nhưng họ vẫn chưa phát triển một cơ sở lý thuyết để tránh hoàn toàn vấn đề. Điều này đang thay đổi với nghiên cứu mới, vì bài báo của nhóm chứng tỏ một số mạng nơ-ron lượng tử miễn nhiễm với các đài cao nguyên hoang sơ.

Patrick Coles là một nhà vật lý lượng tử tại Los Alamos và đồng tác giả của nghiên cứu.

“Với bảo đảm này trong tay, các nhà nghiên cứu sẽ có thể sàng lọc dữ liệu máy tính lượng tử về các hệ thống lượng tử và sử dụng thông tin đó để nghiên cứu các tính chất vật liệu hoặc khám phá vật liệu mới, trong số các ứng dụng khác,” Coles nói.

Độ dốc biến mất

Vấn đề chính bắt nguồn từ một “độ dốc biến mất” trong cảnh quan tối ưu hóa, với cảnh quan được tạo thành từ các ngọn đồi và thung lũng. Mục tiêu là đào tạo các tham số của mô hình để khám phá ra giải pháp bằng cách khám phá địa lý của cảnh quan, và trong khi giải pháp thường nằm ở đáy của thung lũng thấp nhất, điều này không thể khi cảnh quan là phẳng.

Vấn đề trở nên khó khăn hơn khi số lượng tính năng dữ liệu tăng lên, và cảnh quan trở nên phẳng theo cấp số nhân với kích thước tính năng. Điều này cho thấy sự hiện diện của một đài cao nguyên hoang sơ, và mạng nơ-ron lượng tử không thể được mở rộng.

Để giải quyết vấn đề này, nhóm đã phát triển một cách tiếp cận đồ họa mới để phân tích khả năng mở rộng trong một mạng nơ-ron lượng tử. Mạng nơ-ron này dự kiến sẽ có ứng dụng trong việc phân tích dữ liệu từ các mô phỏng lượng tử.

“Lĩnh vực học máy lượng tử vẫn còn trẻ,” Coles nói. “Có một câu nói nổi tiếng về tia laser, khi chúng được phát hiện lần đầu tiên, rằng chúng là một giải pháp tìm kiếm một vấn đề. Bây giờ tia laser được sử dụng mọi nơi. Tương tự, một số người trong chúng tôi nghi ngờ rằng dữ liệu lượng tử sẽ trở nên có sẵn rộng rãi, và sau đó học máy lượng tử sẽ cất cánh.”

Một mạng nơ-ron lượng tử có thể mở rộng có thể cho phép một máy tính lượng tử sàng lọc một tập dữ liệu lớn về các trạng thái khác nhau của một vật liệu nhất định. Những trạng thái đó sau đó có thể được tương quan với các pha, điều này sẽ giúp xác định trạng thái tối ưu cho siêu dẫn nhiệt độ cao.