Учёные из Объединённого квантового института запустили одну и ту же нейросеть на трёх разных квантовых компьютерах. Оказалось, что шум и случайные сбои не мешают, а помогают сети лучше распознавать рукописные цифры. Об этом сообщает «Хайтек» со ссылкой на исследование в журнале Physical Review Letters.
Нейросети давно умеют узнавать рукописные цифры. Эту задачу используют как стандартный тест для новых моделей машинного обучения. Авторы работы взяли именно её, чтобы не изобретать велосипед, а проверить, как на простую и понятную нейросеть влияет квантовый шум.
Обычно в машинном обучении случайность добавляют на этапе тренировки. Она помогает сети не застревать в почти правильных, но всё же неверных ответах. Например, криво написанную семёрку сеть может принять за единицу и зациклиться. Немного случайности — и сеть вырывается из ловушки.
В этом эксперименте случайность вводили иначе. Её добавляли через квантовые измерения прямо во время работы сети. Квантовая частица до измерения находится в суперпозиции — смеси двух состояний. При измерении она случайно выбирает одно из них. Эту встроенную непредсказуемость и использовали.
Сеть запустили на трёх платформах: сверхпроводящем компьютере IBM и двух ионных ловушках, где ионы управляются микроволнами или лазерами. На всех трёх результат оказался одинаковым. Небольшая доза квантовой случайности улучшала точность. Но если шума становилось слишком много, качество падало. Существовала золотая середина.
Дальше исследователи взяли конкретные картинки, которые сеть без шума упорно не узнавала, и добавили ровно столько случайности, сколько нужно. Ионная ловушка почти всегда выдавала правильный ответ. Сверхпроводящий компьютер IBM справлялся примерно в 90 процентах случаев.
Это подвело учёных к ещё более любопытному выводу. Современные квантовые компьютеры живут в эпохе NISQ — шумных промежуточных квантовых вычислений. Ошибки в них возникают постоянно: от тепла, вибраций, несовершенства управления. Принято считать, что это главный тормоз. Но в случае с нейросетями всё может быть наоборот. Когда команда сравнила реальные запуски с симуляциями, реальные выдали лучшие результаты. Исследователи связали это именно с аппаратным шумом. Ошибки добавляли полезную долю случайности сверх той, что вводили намеренно.
Авторы не утверждают, что построили лучшую квантовую нейросеть. Они создали инструмент, который позволяет дозировать квантовую случайность и смотреть, где она помогает, а где вредит. Дальше планируют добавить в сеть квантовую запутанность и проверить, даст ли она дополнительный выигрыш.
Обложка: художественное изображение квантовой нейронной сети, распознающей рукописную цифру. Каждый шарик со стрелкой — кубит, выполняющий роль нейрона. Нейроны организованы в слои; связи между соседними слоями управляют обработкой информации. Выходной слой определяет наиболее вероятную цифру. Источник: Chris Cesare / JQI
