佛罗里达州立大学教授的研究可以帮助量子计算实现其作为强大的计算工具的承诺。
康明斯公司机械工程教授兼FAMU-FSU工程学院机械工程系主任William Oates和博士后研究员徐光磊找到了一种自动推断用于重要的量子Boltzmann机器算法的参数的方法学习应用程序。
他们的发现发表在《科学报告》上中国机械网okmao.com。
这项工作可以帮助建立可用于培训计算机的人工神经网络，以解决复杂的，相互联系的问题，例如图像识别，药物发现和创建新材料。
Oates表示：“人们相信，随着量子计算的出现和计算能力的增长，它可以为您提供一些新工具，但是弄清楚如何对其进行编程以及如何在某些应用中应用它是一个很大的问题。”
与标准计算机中的二进制位不同，量子位一次可以以一种以上的状态存在，这一概念被称为叠加。测量量子位（或量子位）的状态会导致其失去特殊状态，因此量子计算机通过计算量子位在被观察到之前的状态的概率来工作。
被称为量子退火器的专用量子计算机是进行这种类型的计算的一种工具。它们通过将量子位的每个状态表示为能级来工作。量子位中最低的能量状态为解决问题提供了解决方案。结果是，一台机器可以处理复杂的，相互连接的系统，而这需要一台普通计算机花费很长时间才能进行计算-就像建立一个神经网络一样。
建立神经网络的一种方法是使用受限的Boltzmann机器，该算法使用概率根据提供给网络的输入进行学习。Oates和Xu找到了一种自动计算该算法中使用的与有效温度相关的重要参数的方法。受限的Boltzmann机器通常会猜测该参数，这需要进行测试才能确定，并且可以在要求计算机调查新问题时进行更改。
Oates说：“模型中的参数复制了量子退火炉的工作。” “如果可以准确地估计它，则可以更有效地训练神经网络，并将其用于预测事物。”
这项研究得到了康明斯公司的支持，并使用了橡树岭领导力计算设施（DOE科学用户设施办公室）的资源。