中國(guó)海洋大學(xué)在量子人工智能領(lǐng)域取得重要進(jìn)展 http://ehavn.com　 2025年1月2日　 來(lái)源：華禹教育網(wǎng) 　　近日，中國(guó)海洋大學(xué)信息科學(xué)與工程學(xué)部顧永建教授團(tuán)隊(duì)在國(guó)際計(jì)算機(jī)和人工智能頂級(jí)期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）上在線發(fā)表了題為“Quantum Gated Recurrent Neural Networks”（量子門(mén)控循環(huán)神經(jīng)網(wǎng)絡(luò)）的最新研究成果。 　　量子計(jì)算作為全球科技競(jìng)爭(zhēng)的前沿領(lǐng)域，近年來(lái)備受關(guān)注。探索近期含噪聲中等規(guī)模量子（NISQ）計(jì)算機(jī)的優(yōu)勢(shì)應(yīng)用，是當(dāng)前的核心研究方向之一。量子計(jì)算可以為人工智能提供指數(shù)級(jí)加速，量子神經(jīng)網(wǎng)絡(luò)作為量子計(jì)算與人工智能交叉領(lǐng)域的研究熱點(diǎn)，不僅是探索NISQ計(jì)算機(jī)優(yōu)勢(shì)應(yīng)用的主要方向之一，也是推動(dòng)人工智能技術(shù)發(fā)展的重要手段。展現(xiàn)量子神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)經(jīng)典模型在理論與應(yīng)用中的優(yōu)勢(shì)，對(duì)加速量子計(jì)算和人工智能的實(shí)際應(yīng)用具有重要意義。 　　在量子神經(jīng)網(wǎng)絡(luò)中，“高原貧瘠現(xiàn)象”是其面臨的主要挑戰(zhàn)之一。該現(xiàn)象指當(dāng)量子神經(jīng)網(wǎng)絡(luò)規(guī)模增大時(shí)，其損失函數(shù)的梯度在參數(shù)空間的大部分區(qū)域有可能趨近于零，導(dǎo)致優(yōu)化算法難以更新參數(shù)，從而陷入優(yōu)化停滯狀態(tài)，這限制了量子神經(jīng)網(wǎng)絡(luò)在實(shí)際復(fù)雜問(wèn)題中的擴(kuò)展能力。另一方面，經(jīng)典深度神經(jīng)網(wǎng)絡(luò)也面臨類(lèi)似挑戰(zhàn)，即梯度消失和梯度爆炸現(xiàn)象，特別是在循環(huán)神經(jīng)網(wǎng)絡(luò)處理長(zhǎng)序列數(shù)據(jù)時(shí)，模型難以捕獲長(zhǎng)序列中的遠(yuǎn)程依賴關(guān)系，導(dǎo)致“長(zhǎng)期依賴問(wèn)題”。 　　針對(duì)這些挑戰(zhàn)，團(tuán)隊(duì)提出了一種全新架構(gòu)的量子神經(jīng)網(wǎng)絡(luò)模型——量子門(mén)控循環(huán)神經(jīng)網(wǎng)絡(luò)（QGRNN）。該模型融合了變分量子算法和經(jīng)典循環(huán)網(wǎng)絡(luò)的優(yōu)勢(shì)，構(gòu)建了帶有門(mén)控機(jī)制的量子循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)，在理論與實(shí)際應(yīng)用層面均取得重要進(jìn)展。 　　具體而言，團(tuán)隊(duì)基于量子神經(jīng)網(wǎng)絡(luò)架構(gòu)特性，利用參數(shù)化量子線路實(shí)現(xiàn)了類(lèi)似經(jīng)典門(mén)控單元的功能機(jī)制，確保QGRNN兼具高效學(xué)習(xí)性能和硬件可執(zhí)行性。同時(shí)，基于量子線路的幺正演化過(guò)程，研究團(tuán)隊(duì)嚴(yán)格證明了QGRNN長(zhǎng)距離輸出密度矩陣之間的雅可比矩陣范數(shù)與時(shí)間長(zhǎng)度無(wú)關(guān)，從根本上解決了經(jīng)典循環(huán)神經(jīng)網(wǎng)絡(luò)的長(zhǎng)期依賴問(wèn)題。此外，通過(guò)參數(shù)移動(dòng)法則，進(jìn)一步證明了QGRNN不會(huì)出現(xiàn)梯度爆炸現(xiàn)象。為克服量子神經(jīng)網(wǎng)絡(luò)中的“高原貧瘠現(xiàn)象”，研究團(tuán)隊(duì)巧妙利用QGRNN的門(mén)控循環(huán)單元結(jié)構(gòu)特點(diǎn)與參數(shù)共享機(jī)制，增強(qiáng)量子擬設(shè)線路的結(jié)構(gòu)化特征和參數(shù)關(guān)聯(lián)性，有效打破t-design條件，從而避免梯度消失問(wèn)題的發(fā)生。 　　研究團(tuán)隊(duì)通過(guò)大量數(shù)值實(shí)驗(yàn)驗(yàn)證了QGRNN的性能優(yōu)勢(shì)，涵蓋長(zhǎng)序列基準(zhǔn)問(wèn)題測(cè)試、基因調(diào)控網(wǎng)絡(luò)動(dòng)力學(xué)預(yù)測(cè)、股市價(jià)格預(yù)測(cè)等多個(gè)應(yīng)用場(chǎng)景。實(shí)驗(yàn)結(jié)果表明，QGRNN在處理長(zhǎng)序列數(shù)據(jù)和解決復(fù)雜動(dòng)力學(xué)問(wèn)題時(shí)，展現(xiàn)出顯著的性能優(yōu)勢(shì)與廣闊的應(yīng)用潛力。 　　該論文由中國(guó)海洋大學(xué)量子團(tuán)隊(duì)顧永建教授和王志敏副教授擔(dān)任共同通訊作者，在讀博士研究生李亞男和王志敏副教授為論文共同第一作者。該研究得到了山東省自然科學(xué)基金重大基礎(chǔ)研究項(xiàng)目“強(qiáng)泛化抗噪聲的量子深度神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究”（ZR2021ZD19）及國(guó)家自然科學(xué)基金青年項(xiàng)目（12005212）的資助。 　　IEEE TPAMI是公認(rèn)的人工智能、模式識(shí)別、圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域國(guó)際頂級(jí)期刊，每年僅發(fā)表200篇左右論文，其影響因子（最新值20.8）和谷歌指數(shù)H-Index（最新值326）在計(jì)算機(jī)科學(xué)和工程技術(shù)兩個(gè)大類(lèi)學(xué)科里均列首位，同時(shí)列中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦A類(lèi)（CCF A類(lèi)）期刊首位，在計(jì)算機(jī)科學(xué)與人工智能領(lǐng)域具有權(quán)威影響力。 　　通訊員：李文東 　�。╝） 　　（b） 　　（c） 　�。╠） 　　圖1 QGRNN的量子線路結(jié)構(gòu)示意圖（a）及其在長(zhǎng)序列基準(zhǔn)測(cè)試（b）、基因調(diào)控網(wǎng)絡(luò)蛋白質(zhì)濃度預(yù)測(cè)（c）和股市價(jià)格預(yù)測(cè)（d）任務(wù)中的學(xué)習(xí)表現(xiàn) 　　文章鏈接：https://ieeexplore.ieee.org/document/10806779?_refluxos=a10 　關(guān)于中國(guó)海洋大學(xué)更多的相關(guān)文章請(qǐng)點(diǎn)擊查看　 特別說(shuō)明：由于各方面情況的不斷調(diào)整與變化，華禹教育網(wǎng)（ehavn.com）所提供的信息為非商業(yè)性的教育和科研之目的，并不意味著贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性，僅供參考，相關(guān)信息敬請(qǐng)以權(quán)威部門(mén)公布的正式信息為準(zhǔn)。