日本精品aⅴ一区二区三区|国产欧美一二三区|国产乱码精品精|国产精品电影在线免费

      1. <blockquote id="utafg"><th id="utafg"></th></blockquote>
    1. <div id="utafg"></div>
        <blockquote id="utafg"><th id="utafg"></th></blockquote>

        <menuitem id="utafg"></menuitem>
      1. 您現(xiàn)在的位置是:首頁(yè) >市場(chǎng) > 2020-11-20 10:04:39 來(lái)源:

        科學(xué)家使用強(qiáng)化學(xué)習(xí)訓(xùn)練量子算法

        導(dǎo)讀 量子計(jì)算的最新進(jìn)展推動(dòng)了科學(xué)界對(duì)解決一類(lèi)復(fù)雜問(wèn)題的追求,與傳統(tǒng)的超級(jí)計(jì)算機(jī)相比,量子計(jì)算機(jī)將更適合于此類(lèi)問(wèn)題。為了提高量子計(jì)算機(jī)解

        量子計(jì)算的最新進(jìn)展推動(dòng)了科學(xué)界對(duì)解決一類(lèi)復(fù)雜問(wèn)題的追求,與傳統(tǒng)的超級(jí)計(jì)算機(jī)相比,量子計(jì)算機(jī)將更適合于此類(lèi)問(wèn)題。為了提高量子計(jì)算機(jī)解決這些問(wèn)題的效率,科學(xué)家們正在研究人工智能方法的使用。

        在一項(xiàng)新的研究中,美國(guó)能源部(DOE)阿爾貢國(guó)家實(shí)驗(yàn)室的科學(xué)家們開(kāi)發(fā)了一種基于強(qiáng)化學(xué)習(xí)的新算法,以找到量子近似優(yōu)化算法(QAOA)的最佳參數(shù),從而使量子計(jì)算機(jī)能夠解決某些問(wèn)題。組合問(wèn)題,例如材料設(shè)計(jì),化學(xué)和無(wú)線通信中出現(xiàn)的問(wèn)題。

        Argonne計(jì)算機(jī)科學(xué)家Prasanna Balaprakash說(shuō):“組合優(yōu)化問(wèn)題是那些隨著您擴(kuò)展決策變量數(shù)量而導(dǎo)致解決方案空間呈指數(shù)級(jí)增長(zhǎng)的問(wèn)題。” “在一個(gè)傳統(tǒng)的示例中,您可以通過(guò)列舉所有可能的路線找到需要一次訪問(wèn)幾個(gè)城市的推銷(xiāo)員的最短路線,但是如果有成千上萬(wàn)個(gè)城市,則可能的路線數(shù)量遠(yuǎn)遠(yuǎn)超過(guò)了宇宙中的星星數(shù)量;即使最快的超級(jí)計(jì)算機(jī)也無(wú)法在合理的時(shí)間內(nèi)找到最短的路線。”

        QAOA是最近開(kāi)發(fā)的,被認(rèn)為是證明量子計(jì)算機(jī)優(yōu)勢(shì)的領(lǐng)先候選人之一。QAOA是一種混合的量子經(jīng)典算法,它同時(shí)使用經(jīng)典計(jì)算機(jī)和量子計(jì)算機(jī)來(lái)近似解決組合優(yōu)化問(wèn)題。

        不同類(lèi)別的樣本圖的能源格局。圖片提供:Prasanna Balaprakash /阿貢國(guó)家實(shí)驗(yàn)室

        Argonne開(kāi)發(fā)的新算法學(xué)習(xí)了如何通過(guò)反饋機(jī)制配置QAOA。所提出算法的特殊性在于它可以在較小的問(wèn)題實(shí)例上進(jìn)行訓(xùn)練,并且訓(xùn)練后的模型可以使QAOA適應(yīng)較大的問(wèn)題實(shí)例。Balaprakash說(shuō):“這有點(diǎn)像一輛自動(dòng)駕駛汽車(chē)在交通中。” “該算法可以檢測(cè)出何時(shí)需要對(duì)用于計(jì)算的“撥號(hào)”進(jìn)行調(diào)整。”

        QAOA在解決5G無(wú)線通信中出現(xiàn)的組合問(wèn)題方面可能具有顯著優(yōu)勢(shì)。根據(jù)Balaprakash的說(shuō)法,一個(gè)名為Max-Cut的科學(xué)問(wèn)題可以用來(lái)模擬不同無(wú)線設(shè)備如何同時(shí)相互通信,并且它們之間的干擾最小。大規(guī)模解決此類(lèi)問(wèn)題具有挑戰(zhàn)性,但對(duì)于優(yōu)化無(wú)線頻譜管理而言卻很重要。

        伊利諾伊理工學(xué)院的研究作者和研究生薩米·凱里說(shuō),使用機(jī)器學(xué)習(xí)來(lái)優(yōu)化量子算法需要根據(jù)其表現(xiàn)如何對(duì)其進(jìn)行“獎(jiǎng)勵(lì)”和“懲罰”訓(xùn)練。他說(shuō):“這是一個(gè)迭代過(guò)程,可讓我們改善計(jì)算的運(yùn)行方式。” “它學(xué)習(xí)了分配新參數(shù)的更好方法,我們希望盡快分配好的參數(shù)。”

        Khairy解釋說(shuō),進(jìn)行這種機(jī)器學(xué)習(xí)的最大優(yōu)勢(shì)之一是能夠在更廣泛的問(wèn)題實(shí)例中概括發(fā)現(xiàn)原理。他說(shuō):“我們?cè)O(shè)計(jì)了一種可在多個(gè)實(shí)例中使用的優(yōu)化算法。” “在以前的研究中,就好像我們?cè)谟?xùn)練一名駕駛員駕駛一種汽車(chē);在這里,我們有能力實(shí)時(shí)地訓(xùn)練駕駛員適應(yīng)多種不同的汽車(chē)。”

        2月在人工智能(AI)大會(huì)AAAI-20上發(fā)表了一篇基于團(tuán)隊(duì)工作的論文“學(xué)習(xí)優(yōu)化變分量子電路以解決組合問(wèn)題”。