Ученый из МАДИ создал инструмент для ускорения обучения нейросетей на квантовых ПК

Старший преподаватель Московского автодорожного института (МАДИ) Цезарь Пронин разработал инструмент, который позволит квантовым компьютерам обучать нейросети более чем в 300 раз быстрее классических систем. Об этом пишет ТАСС со ссылкой на сообщение Минобрнауки России.

«Исследователь предложил оригинальный способ создания „квантового оракула“ — специального алгоритма-навигатора, который направляет вычисления сразу к правильному ответу, минуя долгий перебор вариантов. Это важный шаг на пути к созданию реальных прикладных квантовых нейросетей», — сказали представители министерства.

Как работает «квантовый оракул»

Квантовый вычислитель, в отличие от классического перебора, оценивает множество вариантов решения одновременно — это алгоритм Гровера. Для определения нужного ответа ему нужен так называемый «оракул»: математическая функция, которая распознает верное решение и совершает «поворот амплитуды» вероятности в его сторону, усиливая правильный сигнал.

Вспомогательные вычисления при этом необходимо «сворачивать» без потери информации — квантовые операции должны быть строго обратимыми. Пронин предложил использовать в роли «оракула» обратимый квантовый умножитель. Ученый систематизировал матричный аппарат и построил квантовые аналоги базовых логических операций (NOT, AND, OR, XOR), а также полного сумматора.

На базе этого подхода сформулирована концепция схем обучения базового элемента нейросети — квантового персептрона, где «оракул» строится на основе функции активации.

Расчетное ускорение

Расчеты показывают, что алгоритм Гровера с новым компонентом находит решение примерно в 326 раз быстрее классического перебора на примере 16-кубитного регистра. Это закладывает теоретический фундамент для того, чтобы будущие квантовые процессоры решали не абстрактные, а реальные прикладные задачи в промышленности и социальной сфере, обрабатывая большие массивы данных за доли секунды, пояснили в Минобрнауки.

Ученый продолжит работу, чтобы устранить ограничения в применении нового подхода: масштабирование для 2–3-кубитных регистров, адаптация под симуляторы и NISQ-устройства (квантовые компьютеры промежуточного масштаба), а также решение вопросов разрядности квантовой арифметики.