• <bdo id="qgeso"></bdo>
        • <strike id="qgeso"></strike>
        • <sup id="qgeso"></sup><center id="qgeso"></center>
        • <input id="qgeso"></input>

          NTT相干量子計(jì)算最新研究成果:基于物理直接演算的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(PNN)

          首頁(yè) > 熱點(diǎn) > > 正文

          日期:2022-03-02 18:17:27    來(lái)源:中國(guó)網(wǎng)    

          (圖片來(lái)源:網(wǎng)絡(luò))

          近日,日本NTT的子公司NTT Research和康奈爾大學(xué)聯(lián)合宣布,雙方科學(xué)家在相干量子計(jì)算(CIM)的基礎(chǔ)上,聯(lián)合研發(fā)出了一種算法,該算法將深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練應(yīng)用于可控物理系統(tǒng),并在三種非常規(guī)硬件上進(jìn)行了展示。該團(tuán)隊(duì)在期刊Nature(自然)上發(fā)表了一篇題為《Deep physical neural networks trained with backpropagation》(用反向傳播訓(xùn)練的深度物理神經(jīng)網(wǎng)絡(luò))的論文,詳細(xì)闡釋了他們的研究發(fā)現(xiàn)。

          該論文的主要作者有Logan Wright和Tatsuhiro Onodera。兩人都是NTT Research Physics and Informatics(PHI)實(shí)驗(yàn)室的研究科學(xué)家以及在康奈爾大學(xué)應(yīng)用與工程物理學(xué)院實(shí)驗(yàn)室訪問(wèn)的NTT Research科學(xué)家。該項(xiàng)目的負(fù)責(zé)人、康奈爾大學(xué)應(yīng)用與工程物理學(xué)助理教授Peter McMahon(彼得·麥克馬洪)是本文的另外五位合著者之一,根據(jù)該論文描述,他們提供了一種不受現(xiàn)有能源控制和其他可擴(kuò)展性條件限制的深度學(xué)習(xí)方法。

          物理神經(jīng)網(wǎng)絡(luò)算法是“捷徑”

          我們知道,深度學(xué)習(xí)是一種具有多層互連節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò),也是人工智能的一個(gè)子集,現(xiàn)已普遍存在于科學(xué)工程中。為了訓(xùn)練深度學(xué)習(xí)執(zhí)行一些數(shù)學(xué)功能,例如圖像識(shí)別,用戶們通常采用一種稱為反向傳播(“誤差反向傳播法”的縮寫)的訓(xùn)練方法。截至目前,該訓(xùn)練算法已通過(guò)數(shù)字電子設(shè)備實(shí)現(xiàn)。但隨著現(xiàn)有深度學(xué)習(xí)模型的計(jì)算需求激增以及摩爾定律的失效,科學(xué)家們正試圖提高深度神經(jīng)網(wǎng)絡(luò)的計(jì)算效率和速度。

          Logan Wright博士表示:“反向傳播算法是指一系列數(shù)學(xué)運(yùn)算,它本質(zhì)上沒(méi)有什么數(shù)字化組成部分,僅僅是碰巧在數(shù)字電子硬件上運(yùn)行。我們所做的是找到一種方法來(lái)獲取這個(gè)數(shù)學(xué)訓(xùn)練秘訣,并將其轉(zhuǎn)化為物理訓(xùn)練。”

          該團(tuán)隊(duì)將經(jīng)過(guò)訓(xùn)練的系統(tǒng)命名為物理神經(jīng)網(wǎng)絡(luò)(PNN),著重強(qiáng)調(diào)了該方法是直接訓(xùn)練物理系統(tǒng),而不是像傳統(tǒng)路線那樣,先訓(xùn)練數(shù)學(xué)函數(shù)然后再設(shè)計(jì)物理過(guò)程來(lái)執(zhí)行。Logan Wright博士講道,“這種直接訓(xùn)練物理系統(tǒng)的‘捷徑’,有助于PNN通過(guò)學(xué)習(xí)物理算法(能夠自動(dòng)使用物理計(jì)算的能力),能更容易地從非常規(guī)但具有強(qiáng)大潛力的物理基底(如非線性光子學(xué))中提取計(jì)算性能。”

          在該論文中,作者將這種新算法命名為物理感知訓(xùn)練(PAT),并將新的算法應(yīng)用到了幾個(gè)可控物理系統(tǒng)。其中一個(gè)實(shí)驗(yàn)具體過(guò)程為:將簡(jiǎn)單的聲音(如元音)和各種參數(shù)編碼到激光脈沖的頻譜中,以構(gòu)建一個(gè)深度PNN,并通過(guò)將光學(xué)變換的輸出作為后續(xù)的輸入來(lái)“分層”進(jìn)行PAT訓(xùn)練。實(shí)驗(yàn)結(jié)果表明,該光學(xué)系統(tǒng)以93%的準(zhǔn)確率完成了對(duì)元音進(jìn)行測(cè)試分類的任務(wù)。

          物理感知訓(xùn)練的三套系統(tǒng)驗(yàn)證

          為了證明該方法的普適性,研究人員們又訓(xùn)練了三套物理應(yīng)用系統(tǒng)用以執(zhí)行更復(fù)雜的圖像分類任務(wù)。他們?cè)俅问褂昧斯鈱W(xué)系統(tǒng),不過(guò)展示的是混合(數(shù)字物理類)PNN。此外,他們還設(shè)置了機(jī)械電子類PNN進(jìn)行測(cè)試。基于光學(xué)、電子和機(jī)械技術(shù)訓(xùn)練的PNN,執(zhí)行任務(wù)的準(zhǔn)確度分別達(dá)到了97%、93%和87%。考慮到這些系統(tǒng)的簡(jiǎn)單性,作者認(rèn)為這些結(jié)果有價(jià)值。

          實(shí)驗(yàn)內(nèi)容(圖片來(lái)源:該論文)

          該研究小組預(yù)測(cè),通過(guò)使用與傳統(tǒng)數(shù)字電子產(chǎn)品截然不同的物理系統(tǒng),機(jī)器學(xué)習(xí)能夠更快、更節(jié)能地執(zhí)行訓(xùn)練任務(wù)。或者,將這些PNN作為功能性機(jī)器學(xué)習(xí)用以處理普通數(shù)字之外的數(shù)據(jù),助力其在機(jī)器人技術(shù)、智能傳感器、納米粒子等領(lǐng)域中發(fā)揮潛在用途。

          NTT Research PHI實(shí)驗(yàn)室主任Yoshihisa Yamamoto表示:“這篇文章給出了一個(gè)解決機(jī)器學(xué)習(xí)耗電問(wèn)題的強(qiáng)大的解決方案。Wright、Onodera等同事的研究通過(guò)將物理系統(tǒng)和反向傳播相結(jié)合,從理論上證明了該方法的有效性,并且適用于一系列有趣場(chǎng)景。未來(lái),進(jìn)一步探索哪些物理系統(tǒng)最適合執(zhí)行機(jī)器學(xué)習(xí)計(jì)算將是一項(xiàng)令人興奮的任務(wù)。”

          該論文是兩個(gè)實(shí)驗(yàn)室的目標(biāo)研究成果之一。NTT Research PHI實(shí)驗(yàn)室的使命是“從神經(jīng)網(wǎng)絡(luò)中的關(guān)鍵現(xiàn)象原理重新思考計(jì)算機(jī)”,目前該實(shí)驗(yàn)室的一大重點(diǎn)是制備相干伊辛機(jī)(Coherent Ising Machine,CIM),一種采用光量子的耗散式架構(gòu)的量子計(jì)算機(jī)。與超導(dǎo)、離子阱等使用邏輯門計(jì)算架構(gòu)的其他技術(shù)路線相比,CIM采用量子失諧而不是量子糾纏作為計(jì)算資源,更加類似于人腦神經(jīng)突觸的工作模式,天然更適合于形成超大規(guī)模的量子神經(jīng)網(wǎng)絡(luò),對(duì)環(huán)境噪聲和錯(cuò)誤有很強(qiáng)的抵抗力。

          與此同時(shí),康奈爾大學(xué)McMahon教授實(shí)驗(yàn)室正與NTT Research PHI實(shí)驗(yàn)室合作開(kāi)展基于CIM的深度研究,研究“如何設(shè)計(jì)新式物理系統(tǒng)執(zhí)行計(jì)算”的問(wèn)題。

          該論文的其他四位合著者中,Martin M. Stein博士、Mong博士后研究員王天宇,都是McMahon實(shí)驗(yàn)室的成員,而Zoey Hu和Darren Schachter是作為康奈爾大學(xué)的本科生在2020-2021年參與該研究,Zoey Hu還曾于2021年夏天在NTT Research實(shí)習(xí)。

          除康奈爾大學(xué)外,NTT Research PHI實(shí)驗(yàn)室還與九所大學(xué)達(dá)成了聯(lián)合研究。其中包括加州理工大學(xué)、哈佛大學(xué)、麻省理工學(xué)院、圣母大學(xué)、斯坦福大學(xué)、斯威本科技大學(xué)、東京工業(yè)大學(xué)、密歇根大學(xué)和東京大學(xué)。位于硅谷的美國(guó)宇航局艾姆斯研究中心和私人量子計(jì)算軟件公司1QBit也與NTT Research PHI實(shí)驗(yàn)室簽訂了聯(lián)合研究協(xié)議,目前中國(guó)的玻色量子公司也在進(jìn)行CIM方向的研究,其創(chuàng)始人文凱也是Yamamoto教授在斯坦福大學(xué)的博士學(xué)生和CIM技術(shù)研究主要參與者。返回

          免責(zé)聲明:市場(chǎng)有風(fēng)險(xiǎn),選擇需謹(jǐn)慎!此文僅供參考,不作買賣依據(jù)。

          關(guān)鍵詞:

          下一篇:BOE(京東方)上榜科睿唯安2022年全球百?gòu)?qiáng)創(chuàng)新機(jī)構(gòu)榜單
          上一篇:整合區(qū)域資源 發(fā)力創(chuàng)新研發(fā) 聯(lián)想重返新藍(lán)籌

          科技

           
          国产三级日本三级日产三级66,五月天激情婷婷大综合,996久久国产精品线观看,久久精品人人做人人爽97
          • <bdo id="qgeso"></bdo>
              • <strike id="qgeso"></strike>
              • <sup id="qgeso"></sup><center id="qgeso"></center>
              • <input id="qgeso"></input>
                主站蜘蛛池模板: 特级深夜a级毛片免费观看| 99爱在线观看免费完整版| 免费国产人做人视频在线观看| 久香草视频在线观看| 曰批全过程免费视频播放网站| 色偷偷亚洲男人天堂| 日韩中文精品亚洲第三区| 国产福利片在线| 亚洲人成高清在线播放| 8天堂资源在线| 疯狂魔鬼城无限9999999金币| 怡红院在线视频精品观看| 午夜精品一区二区三区免费视频| 亚洲国产精品综合久久20| 6080夜福利| 最近日本中文字幕免费完整| 国产真实乱子伦xxxx仙踪| 久久香蕉国产线看观看99| 91精品啪在线观看国产18| 欧美日本在线播放| 国产精品一区三区| 亚洲综合精品伊人久久| 97精品伊人久久久大香线蕉| 欧美日韩亚洲一区| 国产欧美在线视频免费| 久久亚洲精品11p| 综合亚洲欧美日韩一区二区 | 91免费播放人人爽人人快乐| 欧美日韩综合在线视频免费看| 国产精品无码一区二区在线观一| 亚洲一区二区三区91| 青青青国产精品视频| 欧美怡红院免费全部视频| 国产欧美一区二区精品久久久| 久久国产欧美日韩精品| 精品日韩在线视频| 在线观看av无需播放器| 亚洲乱妇老熟女爽到高潮的片| 青青视频国产在线播放| 性欧美人与动物| 亚洲精品国产成人中文|