Квантне неуронске мреже

С Википедије, слободне енциклопедије

Квантне нервне мреже (Qуантум неурал нетwоркс – QННс) су модели нервних мрежа који су засновани на квантној механици. Постоје два различита приступа истраживању QНН, један користећи процесуирање квантних информација ради унапређивања постојећих модела нервних мрежа (некад и обрнуто) , а други тражећи потенцијалне квантне ефекте у мозгу.

Вештачке квантне нервне мреже[уреди | уреди извор]

У рачунарском приступу истраживању квантних нервних мрежа, [1][2] научници покушавају да комбинују вештачке моделе нервних мрежа (који се доста користе у машинском учењу за важне задатке попут класификације шаблона) уз предности квантних информација у циљу развијања ефикаснијих алгоритама (за даље читање погледајте [3]). Важна мотивација за ова истраживања је тешкоћа контролисања нервних мрежа посебно у биг дата апликацијама. Постоји нада да карактеристике квантног израчунавања попут квантног паралелизма или ефеката мешања и уплитања могу бити искоришћењи као извори. Пошто је технолошка имплементација квантног компјутера јос у зачетку, овакви модели квантних нервних мрежа су углавном теоријски предлози који чекају своју пуну имплементацију у физичким експериментима.

Истраживање квантних нервних мрежа је и даље у зачетку и нагомилани предлози и идеје широког опсега и математичке строгости су постављени. Већина њих је заснована на идеји замене класичног бинарног система или МцЦуллоцх-Питтс неурона кјубитом што као резултат даје нервне јединице које могу бити у "суперпозицији" тј. у стању "активна" и "мирује".

Историја[уреди | уреди извор]

Прве идеје о квантном нервном рачуњању су независно објавили Рон Крајсли [4] и Субхаш Как [5] 1995. године. Как је дискутовао о сличности нервне активационе функције и квантне механичке Еигенвалуе једначине, а после је дискутовао о примени ових идеја у изучавању функције мозга [6] и ограничењима овог приступа.[7] Ајит Нараyанан и Таммy Меннеер су предложили фотонску имплементацију модела квантне нервне мреже која је заснована на теорији о постојању више универзума и "уклапа" се у жељени модел.[8] Од тада, објављује се све више и више чланака у журналима о рачунарству и квантној физици како би се нашао најбољи модел за квантне нервне мреже.

Квантни перцептрони[уреди | уреди извор]

Многи предлози покушавају да нађу квантни еквивалент за перцептрон од ког су нервне мреже направљене. Проблем је у томе што нелинеарне активационе функције не одговарају математичкој структури квантне теорије, пошто је квантна еволуција описана линеарним операцијама и води до пробабилистичких посматрања. Идеје да се имитира активациона формула перцептрона квантним механичким формализмом крећу се од употребе специјалних мерења [9][10] до постулирања нелинеарних квантних оператора (математички оквир који је споран).[11][12] Схулд, Синаyскиy и Петруцционе су недавно предложили директну имплементацију активационе формуле коришћењем модела квантног израчунавања заснованом на струјним колима фазног квантног алгоритма за естимацију.[13]

Нејасна логика[уреди | уреди извор]

Знатна количина интереса је пружена "квантно инспирисаном" моделу који користи идеје квантне теорије за имплементацију нервне мреже засноване на нејасној логици.[14]

Квантне мреже[уреди | уреди извор]

Неки користе супротан приступ и покушавају да искористе увиде из истраживања нервних мрежа како би добили моћне апликације за квантно рачунање, као што је квантни алгоритамски дизајн подржан машинским учењем.[15] Пример је рад Елизабетх Бехрман и Јим Стецк [16] који су предложили квантно израчунавање које се састоји од броја кјубита са међусобним интеракцијама које се могу ускладити. Поштујући класично правило "бацкпропагатион", моћ тих интеракција се схвата из тренирајућег сета жељених инпут-оутпут релација и тако квантна мрежа "учи" алгоритам.

Квантна асоцијативна меморија[уреди | уреди извор]

Дан Вентура и Тонy Мартинез су 1999. године представили алгоритам квантне асоцијативне меморије [17]. Аутори нису покушали да преведу модел вештачке нервне мреже у квантну теорију већ су предложили алгоритам за квантни компјутер базиран на струјном колу који симулира асоцијативну меморију. Стања меморије (у Хопфилдовим нервним мрежама чувана у тежинама нервних конекција) се уписују на суперпозиције а "Гровер-лике" алгоритам за квантну претрагу враћа стања меморије најближа датом улазу. Предност овог приступа лежи у експоненцијалном меморијском капацитету меморијских стања. Упркос томе, остаје питање да ли модел има значаја за почетну сврху Хопфилдових модела као демонстрација како поједностављене вештачке нервне мреже могу да симулирају функције мозга.

Квантно израчунавање преко раштрканих дистрибуираних репрезентација[уреди | уреди извор]

Ринкус [18] предлаже да дистрибуирана репрезентација, посебно раштркана дистрибуирана репрезентација (спарсе дистрибутед репресентатион (СДР)) пружа класичну имплементацију квантног израчунавања. Посебно, скуп СДР кодова који се чувају у СДР пољу за кодирање, ће у општем случају да се пресецају до варирајућих степени. У свом другом раду [19][20], Ринкус описује алгоритам за учење у унапред одређеном времену који "пресликава" сличност улазног простора у сличност (величина пресека) у СДР простору за кодирање. Полазећи од претпоставке да сличност улаза корелира са вероватноћом, ово значи да сваки појединачни активан СДР код је истовремено и вероватноћа дистрибуираности преко свих сачуваних улаза , при чему се вероватноћа сваког улаза може израчунати преко фракције његовог СДР кода који је активан (на пример, преко величине његовог пресека са активним СДР кодом). Алгоритам за учење/закључивање може да се посматра и као оператор за апдејтовање стања и због тога што било који појединачни СДР код који је активан истовремено представља и вероватноћу конкретног улаза X, ком је придружен за време учења, а и вероватноће свих осталих сачуваних улаза, исти физички процес који апдејтује вероватноћу улаза X такође апдејтује и вероватноће свих осталих сачуваних улаза. Под "унапред одређеним временом" се мисли на то да се број корака за израчунавање који су укључени у овај процес (алгоритам за апдејтовање) не мења док се број сачуваних кодова повећава. Ова теорија се радикално разликује од стандардног погледа на кватно израчунавање и квантну физичку теорију: уместо претпоставке да стања ентитета на најнижем нивоу у систему, на пример појединачни бинарни неурони, постоје у суперпозицијама, претпоставља се да само да ентитети на вишим нивоима, на пример, композитни ентитети или цели СДР кодови (који су скупови бинарних неурона), постоје у суперпозицији.

Кватно учење[уреди | уреди извор]

Већина алгоритама за учење поштује класичан модел тренирања вештачких нервних мрежа како би се добиле инпут-оутпут функције датог тренирајућег скупа и користе класичне повратне петље за апдејтовање параметара квантног система док не постигну оптималну конфигурацију. Учењу као проблему оптимизације параметара такође приступају и адиабатски модели кватног рачунања [21]. Недавно се појавила нова пост-леарнинг стратегија која омогућава претрагу побољшаног скупа тежина заснованих на аналогији квантних ефеката који се појављују у природи. Техника, предложена у [22] је заснована на аналогији моделовања биолошког неурона као полупроводника хетероструктуре која се састоји од једне енергетске баријере која је смештена између две енергетски ниже области. Активациона формула неурона је према томе посматрана као честица која улази у хетероструктуру и има интеракцију са баријером. У овом случају помоћно појачање класичном процесу изучавања нервних мрежа се постиже минималним додатним трошковима израчунавања.

Квантне генерализације "Феедфорwард" нервних мрежа [23][уреди | уреди извор]

Један од начина за конструкцију квантног неурона је да се прво генерализују класични неурони (постављањем помоћних битова) у реверзибилне пермутационе капије и онда њиховом даљом генерализацијом направити јединичне капије. Због теореме о неклонирању у квантној механици, копирање излаза пре његовог слања различитим неуронима у следећем слоју није тривијално. Ово може бити замењено генералним квантним јединственим приступом излазу додајући му помоћни бит у стању |0⟩. То има класичну капију за копирање (ЦНОТ ) као специјалан случај, и у том смислу генерализује класичну операцију копирања. Може бити показано да при коришћењу ове схеме, квантне нервне мреже могу да: (и) компресују квантна стања у минималан број кјубита, и тако креирајући аутоенкодер, и (ии) омогућавају откривање квантних комуникационих протокола као што је телепортација. Универзалан рецепт је само теоријски и не зависи од имплементације. Модул квантног неурона се може природно имплементирати фотонично.[23]

Биолошке квантне нервне мреже[уреди | уреди извор]

иако многи истраживачи квантне нервне мреже експлицитно ограничавају своје интересовање на перспективу израчунавања, та област је уско повезана са истраживањима потенцијалних квантних ефеката у биолошким нервним мрежама.[24][25] Модели когнитивних агената и квантних колектива заснованим на меморији су предложени од стране Субхасх Как, [26] али он такође истиче специфичне проблеме граница у обзервацији и контроли ових меморија због фундаменталних логичких разлога.[27] Он је такође предложио то да квантни језик мора бити повезан са биолошким нервним мрежама.[28]

Комбинација квантне физике и науке о неуронима такође подстиче бурну дебату која значајно превазилази границе науке, као илустративан пример можемо узети журнале као што је НеуроQуантологy [29] или метода лечења Qуантум Неурологy.[30] Међутим, такође у сфери научних теорија о томе како мозак може да произведе понашање честица на кватном нивоу постоје контроверзне дебате.[31][32] Фузија биологије и кватне физике је недавно, открићем знакова за ефикасан транспорт енергије у фотосинтези због квантних ефеката, добила моментум. Међутим, не постоји широко прихваћен доказ 'квантног мозга', ипак према не тако јасним извештајима "Маг-Лаг" ефеката у МРИ скенеру, пацијенти би могли условно предложити да прилично осетљиве интеракције у мозгу могу по својој природи бити заправо квантне, и према томе могу бити под дејством утицаја веома снажних стабилних стања магнетних поља који случајно осликавају ефекте који се могу приметити на високо-Г у борилачким пилотима. Ова хипотеза се сада даље истражује.

Види још[уреди | уреди извор]

Референце[уреди | уреди извор]

[33] [34]

  1. ^ да Силва, Аденилтон Ј.; Лудермир, Тереса Б.; де Оливеира, Wилсон Р. (2016). „Qуантум перцептрон овер а фиелд анд неурал нетwорк арцхитецтуре селецтион ин а qуантум цомпутер”. Неурал Нетwоркс. 76: 55—64. ПМИД 26878722. С2ЦИД 15381014. арXив:1602.00709 Слободан приступ. дои:10.1016/ј.неунет.2016.01.002. 
  2. ^ Панелла, Массимо; Мартинелли, Гиусеппе (2011). „Неурал нетwоркс wитх qуантум арцхитецтуре анд qуантум леарнинг”. Интернатионал Јоурнал оф Цирцуит Тхеорy анд Апплицатионс. 39: 61—77. С2ЦИД 3791858. дои:10.1002/цта.619. 
  3. ^ M. Сцхулд, I. Синаyскиy, Ф. Петруцционе: „Тхе qуест фор а Qуантум Неурал Нетwорк”. арXив:пдф/1408.7005 Слободан приступ Проверите вредност параметра |арxив= (помоћ). , Qуантум Информатион Процессинг 13, 11. пп. 2567–2586 (2014)
  4. ^ Р. Цхрислеy, Qуантум Леарнинг, Ин Неw дирецтионс ин цогнитиве сциенце: Процеедингс оф тхе интернатионал сyмпосиум, Саариселка, 4-9 Аугуст 1995, Лапланд, Финланд, П. Пyлккäнен анд П. Пyлккö (едиторс). Финнисх Ассоциатион оф Артифициал Интеллигенце, Хелсинки, 77-89 (1995)
  5. ^ С. Как, Он qуантум неурал цомпутинг, Адванцес ин Имагинг анд Елецтрон Пхyсицс 94, 259 (1995)
  6. ^ С. Как, Тхе тхрее лангуагес оф тхе браин: qуантум, реорганизатионал, анд ассоциативе. Ин Леарнинг ас Селф- Организатион, К. Прибрам анд Ј. Кинг (едиторс). Лаwренце Ерлбаум Ассоциатес, Махwах, Њ, 185-219 (1996)
  7. ^ А. Гаутам анд С. Как, Сyмболс, меанинг, анд оригинс оф минд. Биосемиотицс (Спрингер Верлаг) 6: 301-310 (2013)
  8. ^ А. Нараyанан анд Т. Меннеер: Qуантум артифициал неурал нетwорк арцхитецтурес анд цомпонентс[мртва веза], Информатион Сциенцес 128, 231-255 (2000)
  9. ^ M. Перус: Неурал Нетwоркс ас а басис фор qуантум ассоциативе меморy Архивирано на сајту Wayback Machine (11. септембар 2017), Неурал Нетwорк Wорлд 10 (6), 1001 (2000)
  10. ^ M. Зак, C.П. Wиллиамс: Qуантум Неурал Нетс, Интернатионал Јоурнал оф Тхеоретицал Пхyсицс 37(2), 651 (1998)
  11. ^ С. Гупта, Р. Зиа: Qуантум Неурал Нетwоркс, Јоурнал оф Цомпутер анд Сyстем Сциенцес 63(3), 355 (2001)
  12. ^ Ј. Фабер, Г.А. Гиралди: Qуантум Моделс фор Артифициал Неурал Нетwорк (2002), Елецтроницаллy аваилабле: http://arquivosweb.[мртва веза] lncc.br/pdfs/QNN-Review. pdf
  13. ^ M. Schuld, I. Sinayskiy, F. Petruccione: Simulating a perceptron on a quantum computer „ArXiv:1412.3635”. arXiv:abs/1412.3635 Слободан приступ Проверите вредност параметра |arxiv= (помоћ).  (2014)
  14. ^ G. Purushothaman, N. Karayiannis: Quantum Neural Networks (QNN’s): Inherently Fuzzy Feedforward Neural Networks Архивирано на сајту Wayback Machine (11. септембар 2017), IEEE Transactions on Neural Networks, 8(3), 679 (1997)
  15. ^ J. Bang et al. : A strategy for quantum algorithm design assisted by machine learning, New Journal of Physics 16 073017 (2014)
  16. ^ E.C. Behrman, J.E. Steck, P. Kumar, K.A. Walsh: „Quantum Algorithm design using dynamic learning”. arXiv:pdf/0808.1558 Слободан приступ Проверите вредност параметра |arxiv= (помоћ). , Quantum Information and Computation, vol. 8, No. 1&2. pp. 12–29 (2008)
  17. ^ D. Ventura, T. Martinez: A quantum associative memory based on Grover's algorithm Архивирано на сајту Wayback Machine (11. септембар 2017), Proceedings of the International Conference on Artificial Neural Networks and Genetics Algorithms. pp. 22–27 (1999)
  18. ^ G. Rinkus (2102): „Quantum Computation via Sparse Distributed Representation”. arXiv:pdf/1707.05660 Слободан приступ Проверите вредност параметра |arxiv= (помоћ). . Neuroquantology 10(2) 311-315
  19. ^ G. Rinkus (1996): A Combinatorial Neural Network Exhibiting Episodic and Semantic Memory Properties for Spatio-Temporal Patterns. Doctoral Thesis. Boston University. Boston, MA.
  20. ^ G. Rinkus (2010): A cortical sparse distributed coding model linking mini- and macrocolumn-scale functionality. Frontiers in Neuroanatomy 4:17
  21. ^ H. Neven et al.: „Training a Binary Classifier with the Quantum Adiabatic Algorithm”. arXiv:pdf/0811.0416 Слободан приступ Проверите вредност параметра |arxiv= (помоћ). , arXiv:0811.0416v1 (2008)
  22. ^ Kapanova, K. G., I. Dimov, and J. M. Sellier. "„On randomization of neural networks as a form of post-learning strategy”. arXiv:pdf/1511.08366 Слободан приступ Проверите вредност параметра |arxiv= (помоћ). ." arXiv preprint arXiv:1511.08366 (2015).
  23. ^ а б Wan, Kwok-Ho; Dahlsten, Oscar; Kristjansson, Hler; Gardner, Robert; Kim, Myungshik (2016). „Quantum generalisation of feedforward neural networks”. NPJ Quantum Information. 3: 36. Bibcode:2017npjQI...3...36W. S2CID 256704448. arXiv:1612.01045 Слободан приступ. doi:10.1038/s41534-017-0032-4. 
  24. ^ Loewenstein, Werner (2013). Physics in Mind: A Quantum View of the Brain. Basic Books. ISBN 978-0-465-02984-6. 
  25. ^ H. Stapp: Mind Matter and Quantum Mechanics, Springer, Heidelberg (2009)
  26. ^ Kak, S. Biological memories and agents as quantum collectives. NeuroQuantology 11: 391-398 (2013)
  27. ^ Kak, S. Observability and computability in physics, Quantum Matter 3: 172-176 (2014)
  28. ^ Kak, S. (2016). Communication languages and agents in biological systems. In: Biocommunication: Sign-Mediated Interactions between Cells and Organisms. Eds.: J. Seckbach & R. Gordon. London, World Scientific Publishing: 203-226
  29. ^ NeuroQuantology
  30. ^ Quantum Neurology —
  31. ^ S. Hameroff: Quantum computation in brain microtubules? The Penrose-Hameroff 'Orch-OR' model of consciousness Архивирано на сајту Wayback Machine (9. август 2017), Пхилосопхицал Трансацтионс Роyал Социетy оф Лондон Сериес А, 356 1743 1869 (1998)
  32. ^ Е. Песса, Г. Витиелло: Биоелецтроцхемистрy анд Биоенергетицс, 48 2 339 (1999)
  33. ^ Неукарт, Флориан (2013). „Он Qуантум Цомпутерс анд Артифициал Неурал Нетwоркс”. Сигнал Процессинг Ресеарцх. 2 (1). Архивирано из оригинала 06. 02. 2016. г. Приступљено 18. 02. 2018. 
  34. ^ Неукарт, Флориан (2014). „Оператионс он Qуантум Пхyсицал Артифициал Неурал Струцтурес”. Процедиа Енгинееринг. 2 (1): 1509—1517. дои:10.1016/ј.проенг.2014.03.148. 

Литература[уреди | уреди извор]

Додатна литература[уреди | уреди извор]

  • „Рецент ревиеw оф qуантум неурал нетwоркс бy M. Сцхулд, I. Синаyскиy анд Ф. Петруцционе”. арXив:абс/1408.7005 Слободан приступ Проверите вредност параметра |арxив= (помоћ). 

Спољашње везе[уреди | уреди извор]

Преузето из „https://sr.wikipedia.org/w/index.php?title=Kvantne_neuronske_mreže&oldid=26757565”