中國海洋大學在量子人工智能領(lǐng)域取得重要進展 http://bossanovawear.com　 2025年1月2日　 來源：華禹教育網(wǎng) 　　近日，中國海洋大學信息科學與工程學部顧永建教授團隊在國際計算機和人工智能頂級期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）上在線發(fā)表了題為“Quantum Gated Recurrent Neural Networks”（量子門控循環(huán)神經(jīng)網(wǎng)絡(luò)）的最新研究成果。 　　量子計算作為全球科技競爭的前沿領(lǐng)域，近年來備受關(guān)注。探索近期含噪聲中等規(guī)模量子（NISQ）計算機的優(yōu)勢應(yīng)用，是當前的核心研究方向之一。量子計算可以為人工智能提供指數(shù)級加速，量子神經(jīng)網(wǎng)絡(luò)作為量子計算與人工智能交叉領(lǐng)域的研究熱點，不僅是探索NISQ計算機優(yōu)勢應(yīng)用的主要方向之一，也是推動人工智能技術(shù)發(fā)展的重要手段。展現(xiàn)量子神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)經(jīng)典模型在理論與應(yīng)用中的優(yōu)勢，對加速量子計算和人工智能的實際應(yīng)用具有重要意義。 　　在量子神經(jīng)網(wǎng)絡(luò)中，“高原貧瘠現(xiàn)象”是其面臨的主要挑戰(zhàn)之一。該現(xiàn)象指當量子神經(jīng)網(wǎng)絡(luò)規(guī)模增大時，其損失函數(shù)的梯度在參數(shù)空間的大部分區(qū)域有可能趨近于零，導致優(yōu)化算法難以更新參數(shù)，從而陷入優(yōu)化停滯狀態(tài)，這限制了量子神經(jīng)網(wǎng)絡(luò)在實際復(fù)雜問題中的擴展能力。另一方面，經(jīng)典深度神經(jīng)網(wǎng)絡(luò)也面臨類似挑戰(zhàn)，即梯度消失和梯度爆炸現(xiàn)象，特別是在循環(huán)神經(jīng)網(wǎng)絡(luò)處理長序列數(shù)據(jù)時，模型難以捕獲長序列中的遠程依賴關(guān)系，導致“長期依賴問題”。 　　針對這些挑戰(zhàn)，團隊提出了一種全新架構(gòu)的量子神經(jīng)網(wǎng)絡(luò)模型——量子門控循環(huán)神經(jīng)網(wǎng)絡(luò)（QGRNN）。該模型融合了變分量子算法和經(jīng)典循環(huán)網(wǎng)絡(luò)的優(yōu)勢，構(gòu)建了帶有門控機制的量子循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)，在理論與實際應(yīng)用層面均取得重要進展。 　　具體而言，團隊基于量子神經(jīng)網(wǎng)絡(luò)架構(gòu)特性，利用參數(shù)化量子線路實現(xiàn)了類似經(jīng)典門控單元的功能機制，確保QGRNN兼具高效學習性能和硬件可執(zhí)行性。同時，基于量子線路的幺正演化過程，研究團隊嚴格證明了QGRNN長距離輸出密度矩陣之間的雅可比矩陣范數(shù)與時間長度無關(guān)，從根本上解決了經(jīng)典循環(huán)神經(jīng)網(wǎng)絡(luò)的長期依賴問題。此外，通過參數(shù)移動法則，進一步證明了QGRNN不會出現(xiàn)梯度爆炸現(xiàn)象。為克服量子神經(jīng)網(wǎng)絡(luò)中的“高原貧瘠現(xiàn)象”，研究團隊巧妙利用QGRNN的門控循環(huán)單元結(jié)構(gòu)特點與參數(shù)共享機制，增強量子擬設(shè)線路的結(jié)構(gòu)化特征和參數(shù)關(guān)聯(lián)性，有效打破t-design條件，從而避免梯度消失問題的發(fā)生。 　　研究團隊通過大量數(shù)值實驗驗證了QGRNN的性能優(yōu)勢，涵蓋長序列基準問題測試、基因調(diào)控網(wǎng)絡(luò)動力學預(yù)測、股市價格預(yù)測等多個應(yīng)用場景。實驗結(jié)果表明，QGRNN在處理長序列數(shù)據(jù)和解決復(fù)雜動力學問題時，展現(xiàn)出顯著的性能優(yōu)勢與廣闊的應(yīng)用潛力。 　　該論文由中國海洋大學量子團隊顧永建教授和王志敏副教授擔任共同通訊作者，在讀博士研究生李亞男和王志敏副教授為論文共同第一作者。該研究得到了山東省自然科學基金重大基礎(chǔ)研究項目“強泛化抗噪聲的量子深度神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究”（ZR2021ZD19）及國家自然科學基金青年項目（12005212）的資助。 　　IEEE TPAMI是公認的人工智能、模式識別、圖像處理和計算機視覺領(lǐng)域國際頂級期刊，每年僅發(fā)表200篇左右論文，其影響因子（最新值20.8）和谷歌指數(shù)H-Index（最新值326）在計算機科學和工程技術(shù)兩個大類學科里均列首位，同時列中國計算機學會推薦A類（CCF A類）期刊首位，在計算機科學與人工智能領(lǐng)域具有權(quán)威影響力。 　　通訊員：李文東 　　（a） 　�。╞） 　�。╟） 　�。╠） 　　圖1 QGRNN的量子線路結(jié)構(gòu)示意圖（a）及其在長序列基準測試（b）、基因調(diào)控網(wǎng)絡(luò)蛋白質(zhì)濃度預(yù)測（c）和股市價格預(yù)測（d）任務(wù)中的學習表現(xiàn) 　　文章鏈接：https://ieeexplore.ieee.org/document/10806779?_refluxos=a10 　關(guān)于中國海洋大學更多的相關(guān)文章請點擊查看　 特別說明：由于各方面情況的不斷調(diào)整與變化，華禹教育網(wǎng)（bossanovawear.com）所提供的信息為非商業(yè)性的教育和科研之目的，并不意味著贊同其觀點或證實其內(nèi)容的真實性，僅供參考，相關(guān)信息敬請以權(quán)威部門公布的正式信息為準。