С другой стороны, квантовые компьютеры обладают потенциально огромными вычислительными возможностями и высочайшей скоростью работы за счет особых квантовых состояний, таких как запутанность.
Недавно физики из МФТИ, МИСИС, Сколтеха и Российского квантового центра смогли объединить машинное обучение на основе мини-пакетного градиентного спуска по поверхности ошибки и квантовую сеть. В рамках VI Международной школы по квантовым технологиям в Миассе они продемонстрировали работу модели гибридного классификатора, дополненного квантовым симулятором.
Представленный образец представляет цепочку из восьми трансмонных кубитов, в которых используется джозефсоновский переход, состоящий из двух сверхпроводящих электродов, разделенных тонким слоем изоляции. По сути получилась квантовая нейросеть, в которой искусственные нейроны заменены на кубиты. При этом для обучения были задействованы всего четыре кубита-нейрона.
Первый слой этой нейросети представлял собой углы однокубитных операций, в более глубоких слоях были использованы наборы двухкубитных вентилей для запутывания кубитов. На выходе измерялось среднее значение σz первого кубита – это и был ответ сети.
Медель использовали для решения разных задач классификации: вычисления четности, определении меток рака молочной железы и идентификации марок вина. При этом задача про рак была более простой, так как требовала ответа - есть метка или нет. А вот задача с вином уже была многоклассовой с большим количеством параметров для определения.
Но в итоге для этих задач была достигнута точность решения 94%, причем для запроса про рак модель начала выдавать точный ответ уже после десяти итераций.
Также квантовой нейросети предложили распознать рукописные цифры из набора данных MINIST. Здесь точность решения составила 90% после нескольких десятков итераций.
По словам авторов исследования, все это было достигнуто за счет удачной комбинации структуры квантовой цепочки и алгоритма машинного обучения. А точность и стабильность подтверждены методом перекрестной проверки.
Пока результаты, показанные в ходе эксперимента, не сравнивались с тем, как бы справились с этими задачами обычные нейросети. Но это исследование важно само по себе как подтверждение возможности развития квантовых нейросетей. К тому же в планах команды физиков увеличение количества кубитов и решение более сложных задач, а также переход от классических данных к квантовым.