Исследователи Университета МИСИС разработали новый протокол для квантовых вычислений, улучшающий поиск оптимальных решений. Подход основан на целенаправленном запуске специальных каналов шума. В перспективе разработка позволит повысить точность и скорость вычислений.
Задачи квантового машинного обучения, несмотря на большой потенциал, сталкиваются с серьезными трудностями при тренировке и оптимизации. Из-за множества возможных решений, не все из которых оптимальны, алгоритм может «застревать» так и не доходя до лучших решений. Протокол, разработанный учёными НИТУ МИСИС, позволит регулировать оптимизационные ландшафты при помощи специальных каналов шума.
Обычно шум препятствует эффективной работе квантовых алгоритмов. Любое взаимодействие с окружающей средой — случайные колебания температуры или электромагнитных полей — приводят к ошибкам в вычислениях. Эксперты продемонстрировали, что использование специальных каналов шума значительно сглаживает мелкомасштабные флуктуации функции потерь и позволяет находить более качественные решения.
«Когда мы тренируем модель, будь то классическая нейросеть или квантовый алгоритм, у неё есть функция потерь. Это мера того, насколько её подход к решению задачи неверный: чем выше потери, тем хуже. Параметров модели может быть много, например, вращения, фазы, вес и т. п. Каждая комбинация этих параметров даёт свой результат и функция потерь присваивает этому результату число — „высоту“. Представьте: вы стоите на горе и пытаетесь спуститься к самой низкой точке. Высота указывает, как далеко вы от цели. На пути встречается множество мелких ям и впадин и в них можно легко застрять, так и не добравшись до цели. Обычно так и происходит — мы блуждаем и попадаем в локальные ловушки. Наш метод похож на то, как если бы ямы засыпали песком. Он заполняет мелкие впадины, выравнивая поверхность, и путь становится проще: мы больше не задерживаемся и можем двигаться дальше. Таким образом, добавление шума — регуляризация — сглаживает ландшафт и значительно упрощает поиск оптимального решения», — отметил к.ф.-м.н. Никита Немков, старший научный сотрудник лаборатории квантовых информационных технологий НИТУ МИСИС.
Протокол предусматривает создание определённого количества шума для определенных элементов в квантовой схеме. В результате функция потерь сглаживается. Учёные проверили алгоритм на тестовых задачах и квантовой свёрточной нейросети. В обоих случаях протокол улучшил результат: шанс найти правильное решение оказался в несколько раз выше по сравнению с традиционными подходами. С подробными результатами исследования можно ознакомиться в научном журнале Physical Review A (Q1).
«Сложность обучения вариационных квантовых алгоритмов и моделей квантового машинного обучения хорошо известна. Предложенный нами протокол может быть объединен с существующим методом смягчения локальных минимумов — квантовым оптимизатором естественного градиента, а также может дополнить набор методов оптимизации функций квантовых потерь. Техническая реализация протокола не требует большого количества дополнительных ресурсов и может быть использована как в классических симуляторах квантовых цепей, так и на реальных квантовых устройствах», — сказал PhD Алексей Фёдоров, директор Института физики и квантовой инженерии НИТУ МИСИС, руководитель научной группы РКЦ «Квантовые информационные технологии».
Исследование проведено при поддержке Российского научного фонда (грант №
а также в рамках реализации стратегического технологического проекта НИТУ МИСИС «Квантовый интернет» по программе Минобрнауки России «Приоритет-2030» (национального проекта «Молодежь и дети»).
