您的位置:首页 > 科技 >

新型量子机器学习技术实现了系统矩阵分析

2021-08-24 20:59:27 来源:科技日报

记者从中国科学技术大学获悉,该校中国科学院微观磁共振重点实验室杜江峰、王亚、李兆凯等人研发出新型量子特征提取算法,实现了对未知量子系统矩阵的分析与信息提取。该成果日前发表在《科学进展》上。

量子机器学可以将量子算法的并行加速特应用于人工智能领域中,提升人工智能系统的效率与能力,有望在未来实现基于量子系统的人工智能。但无论是使用经典还是量子计算机进行机器学,在获得类似数据集之前都需要对原始数据进行分析和预处理,提取出其中的核心信息用以学与总结规律。这一过程被称之为数据特征提取,是量子人工智能运行的关键步骤。

基于量子相位估计算法,需要大量量子比特作为辅助寄存器,因此一直未能在真实实验体系中予以实现。为解决这一限制,研究团队开发出新型基于共振的量子主成分分析技术,将辅助量子比特的需求降低到1个,大大降低实验难度。研究人员使用金刚石氮-空位色心量子处理器,演示了对未知量子数据矩阵进行分析与处理的过程。研究人员使用一个辅助比特作为探针进行扫描,精确定位了密度矩阵中不同成分的强度。通过多次迭代逼,密度矩阵成分的定位误差被降低到小于0.001,相当于原本10个辅助量子比特才能达到的精度。其后,研究人员锁定该数据矩阵的主要成分并将其隔离提取出来,得到的量子态即为输入数据矩阵的关键特征。实验结果显示,这一特征提取过程达到了90%的提取精度与86%的提取效率,展示了该新技术在真实物理台上的适用与精确

该成果研发的新技术可以实现对数据预处理过程的量子加速,高效率提取出量子数据矩阵中的关键特征,用于后续进一步分类与识别,能够提升机器学的效率和效果,未来有望在较大规模量子处理器上得到应用。(记者 吴长锋)

最近更新