Ученые разработали квантовую нейросеть, способную «мыслить» самостоятельно

Фото: Getty Images

Ученые из США и Великобритании создали продвинутую квантовую нейронную сеть и доказали, что она способна обучаться. Исследование опубликовано в научном журнале Physical Review X.

Квантовые нейронные сети привлекают программистов потенциальной способностью анализировать квантовые данные, однако им мешает так называемая проблема "бесплодного плато". Во время обучения искусственный интеллект движется по "ландшафту" математической функции. Иногда в процессе этого движения он достигает позиции, где не видит значительной разницы между значениями и не знает, куда следует двигаться дальше. То есть он оказывается на "бесплодном плато".

Чтобы такого не случилось, в своем новом исследовании ученые использовали сверхточную нейронную сеть, в основе которой лежит так называемая свертка, применяемая при математическом анализе. Это дало возможность создать архитектуру, повторяющую некоторые особенности зрительной коры головного мозга человека. Нейросеть составили из нескольких слоев кубитов, количество которых постепенно уменьшалось, но при этом каждый новый слой сохранял информацию в полном объеме. Как выяснилось при тестировании, такой ИИ не подвержен проблеме "бесплодного плато".

"Мы доказали, что квантовые нейронные сети являются сверхточными, потому как проблема "бесплодных плато" попросту отсутствует. Созданная нами архитектура имеет все шансы достичь квантового преимущества в ближайшем будущем", — заявили авторы исследования.

По словам ученых, такие масштабируемые и обучаемые квантовые нейросети можно использовать в квантовых компьютерах для создания новых сверхпроводимых материалов, которые смогут работать при высоких температурах. Обычным компьютерам такие вычисления пока не под силу, поскольку они содержат в себе много переменных: температуру, давление, разницу фаз и учет примесей. Команда также предложила новый подход для определения чувствительности алгоритмов машинного обучения к "бесплодному плато", который может пригодиться для усовершенствования других систем.

Ирина Скиба / Skibair
Журналист ATinform