1750343113
2025-06-19 12:49:00
量子コンピューターは、最速のスーパーコンピューターを圧倒するパズルを解決することを約束しますが、今日の主力アルゴリズムの多くをトレーニングすることは、しばしば砂の中でペダルを塗るように感じます。研究者はトラップを「不毛のプラトー」と呼んでいます。
これらの不毛のプラトーは、量子アルゴリズムの最適化の状況のストレッチであり、とても不安に平らである 勾配ベースの方法 下り坂から上り坂を伝えることはできません。
初期の理論は、aの平均勾配であることを証明しました 変分回路 キュービットの数とは指数関数的に降ろすため、追加のqubitがすべて学習が劇的に難しくなります。
そのスケーリングは、古典的なライバルを上回るのに十分な大きさになる前に、大きな回路を沈黙させるために沈黙させるために沈黙しています。
ロスアラモス物理学者 セレゾ・マルコ そして、協力者は高原の原因を解剖するのに6年間費やしてきました 公開 ハザードの最も完全なマップ。
「不毛のプラトーは、変分量子コンピューティングに直面している唯一の問題ではありませんが、現時点では主な問題です」と言いました。 マーティンラーチ ロスアラモス国立研究所（ラン）。
不毛のプラトーは教育に影響を与えます
より多くの大学や企業が量子プログラムを構築するにつれて、不毛のプラトーを理解することは、単なる専門家ではなく、重要な知識になりつつあります。フィールドに入る新入生は、なぜいくつかを把握する必要があります アルゴリズムは失敗します 彼らが成功する前に。
これは、取り組んでいる人にとって特に重要です 変動量子アルゴリズム、貧弱な最初の選択は数ヶ月の仕事を無駄にする可能性があるため。
Laroccaのチームは、彼らの論文が次世代の研究者を最初からより良い設計原則に向けて導くのに役立つことを望んでいます。
不毛のプラトーの問題を解決することは、量子物理学者にとって単なる仕事ではありません。専門家からの入力が必要です 機械学習、 最適化理論、 そして 情報科学 高次元の量子空間で学習がどのように起こるかを再考する。
この学際的なアプローチは、量子回路と古典的なフィードバックループをブレンドするハイブリッド戦略を含む、すでに新たな洞察をもたらしています。
継続的な進捗は、これらのフィールドがどれだけうまく連携して問題に取り組むことができるかに依存する可能性があります。
次元は量子アルゴリズムを弱めます
チームはプラトーを馴染みのある人にリンクします 次元の呪い、データまたはパラメーターが巨大なベクトル空間に膨らむたびに衝突する統計的な悪夢。
量子回路では、すべての余分なキットが2倍になります ヒルベルトスペースの寸法、新しいため パラメーター化 ほぼ触覚のない砂漠をあてもなくさまよう。
物理的なノイズは2回目の打撃を加えます。 2021 勉強 デコヒーレンスがオプティマイザーが必要とするまさにその情報を消去するため、浅い回路でさえノイズ誘発性不毛のプラトーを継承できることを証明しました。
エンタングルメントも損傷する可能性があります：回路層間の絡み合いが多すぎると、勾配が洗い流されるほど薄く、吹き飛ばされた現象が広がります エンタングルメント誘発プラトー。
不毛のプラトーを早期に見つける方法
Cerezoのグループは、誰もがラボの時間を無駄にする前に、プラトーに起因するアーキテクチャにフラグを立てる方程式を導き出しました。浅く、問題に触発されたアンサッツェは通過する傾向があります。深く、ハードウェア効率の良いものは通常失敗します。
同じテストでは、デザインがプラトーを逃れると、しばしば古典的にシミュレート可能になり、訓練可能性と量子の利点の間のトレードオフを示唆しています。
「古典的なコンピューティングから量子の世界にメソッドをコピーして貼り付け続けることはできません」とセレゾは言いました。古典的な機械学習、より深いネットワーク、ランダムスタート、幅広いパラメーターのスイープからのコピーとパステの戦術は、めったに役立ちません。
変動方法はまだ約束を抱えています
トレーニングの課題にもかかわらず、変分方法は、今日の騒々しい中級スケール量子（NISQ）の最も実用的なアプローチの1つであり続けています デバイス。よりエラーに敏感な量子アルゴリズムと比較して、より少ないキュービットと浅い回路が必要です。
それにより、彼らは不毛のプラトーのようなトレーニングボトルネックを管理できる限り、彼らを短期的なアプリケーションの強力な候補にします。
研究者は、適切なアーキテクチャとより優れたハードウェアにより、これらの方法が有用な量子ソリューションのロックを解除できると依然として楽観的です。
なぜ不毛のプラトーが重要なのか
不毛のプラトーの問題は、単なる技術的な迷惑ではなく、量子コンピューティングが意味のあるタスクで古典的なコンピューティングに勝つかどうかを決定します。
問題サイズが大きくなるにつれてアルゴリズムが効率的にトレーニングできない場合、最も高度なハードウェアでさえ実用的な結果が得られません。
これは、最適化、化学、暗号化の問題を解決するために量子に賭ける業界にとって重要です。
薬物の設計から物流に至るまで、進歩は理論で機能するだけでなく、実際のハードウェアで効率的に学習するアルゴリズムの構築に依存します。
Laroccaのレビューは、ビルダーにハードウェアとアルゴリズムを共同設計するよう促し、Qubits、Gates、および目的関数がトレーニングに対して共謀するのではなく互いに補強するようにします。
コヒーレンス時間が長く、回路の中央測定値が長い将来のマシンが新しいロックを解除する可能性があります 変動量子コンピューティング 単につま先ではなく、プラトーをバイパスする戦略。
この研究はに公開されています 自然は物理学をレビューします。
– –
Eric RallsとEarth.comから提供された無料のアプリであるEarthSnapで私たちをチェックしてください。
– –
#量子コンピューティングの不毛のプラトーで死んだゾーンを逃れる