用量子卷積神經網路解決AI的梯度消失問題

Home / 量子新知

孫欣｜特約編輯 (臺灣大學化學系研究助理)

梯度消失(Barren Plateaus)是在人工類神經網路的應用中的一個非常大的難題，此問題的出現會讓一個人工類神經網路無法調校出準確的結果，進而使機器學習失敗，無法從訓練資料中得到正確的模式。本月中旬(10/15)，來自洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory)的理論團隊，以數學嚴謹的證明，確認了有一類量子卷積神經網路不會發生梯度消失問題，將大大有助於機器學習的進行。量子卷積神經網路被認為是分析及學習量子資料特徵的有效工具之一，然而其理論上的效率以及嚴謹的數學分析在先前的研究中較少被探討，此一研究不止證明了量子機器學習的優越性，更進一步的增進了我們對量子電腦潛力的理解。

量子卷積神經網路示意圖
量子卷積神經網路示意圖
圖片取自團隊研究論文: PhysRevX.11.041011
閱讀全文

資料來源

  1. https://journals.aps.org/prx/pdf/10.1103/PhysRevX.11.041011
  2. https://en.wikipedia.org/wiki/Convolutional_neural_network

Similar Posts