آموزش مقیاس‌پذیر شبکه‌های عصبی کوانتومی روی سخت‌افزار واقعی

پژوهشگران از چندین مؤسسه علمی و شرکت فعال در حوزه کوانتوم موفق شدند روشی جدید برای آموزش شبکه‌های عصبی کوانتومی (QNN) روی رایانه‌های کوانتومی واقعی توسعه دهند. این روش هزینه محاسباتی آموزش را به‌طور چشمگیری کاهش می‌دهد و امکان استفاده از مدل‌های بزرگ‌تر را فراهم می‌کند.

در این آزمایش، یک شبکه عصبی کوانتومی ۱۶ کیوبیتی روی رایانه کوانتومی IonQ Forte Enterprise آموزش داده شد و یک مدل ۳۲ کیوبیتی نیز با موفقیت مورد آزمایش قرار گرفت.

نوآوری اصلی پژوهش شامل استفاده از معماری «Butterfly»، آموزش لایه‌به‌لایه و محاسبه موازی گرادیان‌ها است؛ ترکیبی که تعداد اجرای مدارهای کوانتومی موردنیاز برای آموزش را به‌شدت کاهش می‌دهد.

این دستاورد نشان می‌دهد که آموزش شبکه‌های عصبی کوانتومی روی سخت‌افزار واقعی، که یکی از چالش‌های اصلی حوزه محاسبات کوانتومی بود، به‌تدریج در حال عملی شدن است و می‌تواند زمینه‌ساز نسل آینده هوش مصنوعی کوانتومی باشد.

🆔 @QuantumProgramming
🆔 http://instagram.com/Quantum.Programming