公司新闻

S11竞猜中国科大研收回新型量子特性提取算法 无

  S11竞猜是野生智能的中心。为了胜利实现特定使命,野生智能常常需求大批数据用于总结与分类,这对计较机体系的存储与处置才能提出了很高的请求。

  量子机械进修能够将量子算法的并行加快特征使用于野生智能范畴中,提拔野生智能体系的服从与才能,无望在将来完成基于量子体系的野生智能。

  据理解,杜江峰院士团队自2012年以来领先展开了量子野生智能的尝试研讨相干事情如量子手写辨认是量子野生智能使用于实践成绩的最早案例,展现了量子手艺加快野生智能成绩的后劲;特性值检测、线性方程组求解等手艺为机械进修中的数据运算供给了倏地有用的量子办法。

  此前的事情及国际上的相干尝试研讨,多集合在怎样处置较幻想的数据集。但不管是利用典范仍是量子计较机停止机械进修,在患上到相似数据集之前都需求对原始数据停止阐发以及预处置,提掏出此中的中心信息用以进修与总结纪律。这一历程被称之为数据特性提取,是量子野生智能运转的枢纽步调。

  此中,利用量子算法停止特性提取的实际思绪最早于2014年提出,但因为其原始假想基于量子相位估量较法,S11竞猜需求大批量子比特作为帮助存放器,因而不断未能在实在尝试系统中予以完成。

  为处理这一限定,杜江峰院士研讨团队开辟出新型基于共振的量子主身分阐发手艺,将帮助量子比特的需要低落到1个,大大低落尝试难度;同时,为削减实践尝试中的噪声滋扰,该手艺还能够分离量子相关庇护手腕,有益于在实践量子处置器物理平台上到达高精度与高服从的量子计较。

  终极,尝试成果显现,这一特性提取历程到达了90%的提取精度与86%的提取服从,展现了该新手艺在实在物理平台上的合用性与准确性。

  研讨成果显现这次研发的新手艺能够完成对数据预处置历程的量子加快,高服从提掏出量子数据矩阵中的枢纽特性,用于后续进一步分类与辨认。该手艺可以提拔机械进修的服从以及结果,将来无望在较大范围量子处置器上获患上使用。