【時報記者林資傑台北報導】鴻海研究院針對量子機器學習領域取得突破性進展,量子計算研究所所長謝明修和澳洲雪梨大學團隊共同提出研究報告,針對該領域長久以來面對的貧瘠高原現象(Barren Plateaus)提出解決方案,藉由適當的給定可調變參數初始值進行改善。

鴻海研究院指出,「Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits」研究成果,已獲世界頂級機器學習及計算神經科學領域的學術會議「神經信息處理系統大會」(NeurIPS 2022)接受,於11月底進行發表。

謝明修表示,貧瘠高原現象解決方案可避免量子機器在學習過程中,因此現象導致訓練過久或訓練失敗,使量子學習機器展現出超越傳統機器的真正優勢。結合該方案,量子計算研究所在今年鴻海科技日展示量子模擬在電池開發上的研究成果,大大縮減所需的量子資源。

對於貧瘠高原現象,謝明修進一步指出,一般來說,在量子機器學習過程中,會透過控制邏輯閘的可調變參數學習,來得到符合期望的量子電路模型。但在學習過程中,常因邏輯閘過多且結構過深,使得參數更新困難。

謝明修表示,藉由適當的給定可調變參數初始值,可改善貧瘠高原現象,解決長久以來一直困擾著量子機器學習領域面臨的問題,在該領域研究得到突破性進展,得以自全球逾1萬件投稿中脫穎而出,於本月底舉行的「神經信息處理系統大會」中發表。

#量子 #機器學習 #鴻海研究院 #解決方案