МОСКВА, 24 ноября. /ТАСС/. Физики из России разработали первый в мире алгоритм, использующий архитектуру гибридных квантовых нейронных сетей для распознавания четырех разных классов изображений с очень высоким уровнем точности. Об этом в четверг сообщила пресс-служба НИТУ "МИСиС" со ссылкой на статью в журнале Frontiers in Physics.
"Мы впервые реализовали предложенный подход для решения задачи классификации четырех классов изображений, используя восемь кубитов для кодирования данных и четыре вспомогательных кубита. Данный подход можно реализовать как на эмуляторах, так и на реальных квантовых процессорах", - заявил руководитель научной группы Российского квантового центра (Москва) Алексей Федоров, чьи слова приводит пресс-служба НИТУ "МИСиС".
Создание так называемого квантового искусственного интеллекта является одной из главных задач для всех ведущих участников мировой "квантовой гонки". Под этим словом ученые понимают широкое использование квантовых технологий и эффектов для ускорения работы нейросетевых алгоритмов и физических устройств, повторяющих некоторые свойства биологических нейросетей.
Группа российских исследователей под руководством Федорова впервые в мире разработала гибридный подход, позволяющий использовать квантовые компьютеры для ускорения работы отдельных слоев сверточных нейросетей, способных распознавать несколько разных классов изображений с очень высоким уровнем точности.
Гибридная квантовая нейросеть
Сверточные нейросети - один из самых популярных подходов для разработки систем искусственного интеллекта, в рамках которого исходные данные обрабатываются при помощи нескольких наложенных друг на друга слоев искусственных подобий нейронов с разными свойствами. Их применение позволяет постепенно выделить самые важные ключевые особенности анализируемых изображений или других форм информации и использовать их для классификации объектов.
Российские ученые не стали разрабатывать полный квантовый аналог этих нейросетей, а заменили одну из ключевых их частей, так называемые сверточные слои, работу которых можно ускорить при помощи относительно небольшого числа кубитов, доступных в уже существующих универсальных квантовых компьютерах. Это позволило физикам избавиться от проблемы первичной обработки информации и других процедур, на реализацию которых потребовалось больше кубитов.
Работу этого подхода исследователи проверили при помощи базы данных MNIST и других стандартизированных наборов изображений, которые используют для обучения и проверки работы систем распознавания изображений. Проведенные исследователями расчеты на симуляторах квантовых компьютеров показали, что гибридная квантовая нейросеть не уступала классическим аналогам в точности работы.
Успешное завершение этих экспериментов, как считают ученые, открывает дорогу для создания квантовых систем машинного обучения, которые будут решать задачи классификации изображений или других объектов существенно быстрее, чем это делают уже существующие нейросетевые подходы. Особенно эффективно эти задачи будут решаться при помощи многоуровневых кубитов, разработка которых сейчас активно проходит в России, отметили исследователи.