財聯(lián)社8月16日訊（編輯 黃君芝）據(jù)報道,，美國洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory,，簡稱LANL）的一項突破性理論證明表明，使用一種稱為“過參數(shù)化”的技術(shù)可以提高量子機器學(xué)習(xí)的性能,，從而挑戰(zhàn)傳統(tǒng)計算機的任務(wù),。
過參數(shù)化（Overparametrization）,，是人工智能機器學(xué)習(xí)中使用的一種技術(shù),，通過引入比必要情況更多的參數(shù)或變量來提高模型的性能和訓(xùn)練動態(tài)。在這種方法中,，模型中的參數(shù)數(shù)量被有意設(shè)置為遠大于可用訓(xùn)練樣本或數(shù)據(jù)維度的數(shù)量,。盡管參數(shù)多于所需數(shù)量是違反直覺的，但人們發(fā)現(xiàn)過參數(shù)化在訓(xùn)練復(fù)雜的機器學(xué)習(xí)模型方面具有多種好處,。
據(jù)悉,，“過參數(shù)化”可以幫助模型適應(yīng)數(shù)據(jù)中存在的變化和復(fù)雜性，從而可能在出現(xiàn)新的,、未見過的數(shù)據(jù)時提高泛化性能,。過參數(shù)化本質(zhì)上為模型提供了更多的自由度來學(xué)習(xí)和表示數(shù)據(jù)中的潛在關(guān)系。因此,，這一技術(shù)的主要優(yōu)點之一是它可以避免在優(yōu)化過程中陷入次優(yōu)解決方案,。
不過，到目前為止,，人們對量子機器學(xué)習(xí)模型中的“過參數(shù)化”還知之甚少,。在最新研究中,，LANL團隊建立了一個理論框架，用于預(yù)測量子機器學(xué)習(xí)模型過參數(shù)化的臨界參數(shù)數(shù),。在某個臨界點上,，增加參數(shù)會使網(wǎng)絡(luò)性能有一個飛躍，模型變得明顯容易訓(xùn)練,。
該論文的主要作者、LANL的研究員Martin Larocca解釋說：“通過建立量子神經(jīng)網(wǎng)絡(luò)中過參數(shù)化的理論,，我們的研究為優(yōu)化訓(xùn)練過程和在實際量子應(yīng)用中實現(xiàn)增強的性能鋪平了道路,。”
最新研究成果已于近期發(fā)表在了《自然計算科學(xué)》雜志上,。
為了更好地說明該團隊的發(fā)現(xiàn)，研究人員描述了一個思維實驗,，在這個實驗中，一個徒步旅行者在黑暗的環(huán)境中尋找最高的山峰,，代表了訓(xùn)練過程,。徒步旅行者只能朝著特定的方向前進，并通過使用有限的GPS系統(tǒng)測量高度來評估他們的進度,。
在這個類比中,，模型中參數(shù)的數(shù)量對應(yīng)于徒步旅行者可以移動的方向。他們說,，“一個參數(shù)允許前后移動,，兩個參數(shù)允許橫向移動，等等,。與我們假設(shè)的徒步旅行者的世界不同,，數(shù)據(jù)景觀可能有三個以上的維度?！?/p>
但由于參數(shù)太少,，步行者無法徹底探索，可能會把一座小山丘誤認為最高的山峰,，或者被困在平坦的地區(qū),，任何一步都顯得徒勞無益。然而,，隨著參數(shù)數(shù)量的增加,，步行者可以在更高的維度上向更多的方向移動。有了額外的參數(shù),，徒步者就可以避免被困,，找到真正的山峰或問題的解決方案,。
該研究論文的合著者、LANL的研究員Diego Garcia-Martin說,，“總而言之,，我們相信我們的研究結(jié)果對于使用機器學(xué)習(xí)來學(xué)習(xí)量子數(shù)據(jù)的屬性將會非常有用，例如在量子材料研究中對不同相進行分類,，這在經(jīng)典計算機上非常困難,。”
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點僅代表作者本人，不代表芒果財經(jīng)贊同其觀點或證實其描述,，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1066249.html
溫馨提示：投資有風(fēng)險，入市須謹慎,。本資訊不作為投資理財建議,。
