Мобильный 1 Add news
March 2010
April 2010
May 2010June 2010July 2010
August 2010
September 2010October 2010
November 2010
December 2010
January 2011
February 2011March 2011April 2011May 2011June 2011July 2011August 2011September 2011October 2011November 2011December 2011January 2012February 2012March 2012April 2012May 2012June 2012July 2012August 2012September 2012October 2012November 2012December 2012January 2013February 2013March 2013April 2013May 2013June 2013July 2013August 2013September 2013October 2013November 2013December 2013January 2014February 2014March 2014April 2014May 2014June 2014July 2014August 2014September 2014October 2014November 2014December 2014January 2015February 2015March 2015April 2015May 2015June 2015July 2015August 2015September 2015October 2015November 2015December 2015January 2016February 2016March 2016April 2016May 2016June 2016July 2016August 2016September 2016October 2016November 2016December 2016January 2017February 2017March 2017April 2017May 2017June 2017July 2017August 2017September 2017October 2017November 2017December 2017January 2018February 2018March 2018April 2018May 2018June 2018July 2018August 2018September 2018October 2018November 2018December 2018January 2019February 2019March 2019April 2019May 2019June 2019July 2019August 2019September 2019October 2019November 2019December 2019January 2020February 2020March 2020April 2020May 2020June 2020July 2020August 2020September 2020October 2020November 2020December 2020January 2021February 2021March 2021April 2021May 2021June 2021July 2021August 2021September 2021October 2021November 2021
News Every Day |

Breakthrough Proof Clears Path For Quantum AI

Story 493909722

Convolutional neural networks running on quantum computers have generated significant buzz for their potential to analyze quantum data better than classical computers can. While a fundamental solvability problem known as “barren plateaus” has limited the application of these neural networks for large data sets, new research overcomes that Achilles heel with a rigorous proof that guarantees scalability. 

“The way you construct a quantum neural network can lead to a barren plateau—or not,” said Marco Cerezo, coauthor of the paper titled “Absence of Barren Plateaus in Quantum Convolutional Neural Networks,” published today by a Los Alamos National Laboratory team in Physical Review X. Cerezo is a physicist specializing in quantum computing, quantum machine learning, and quantum information at Los Alamos. “We proved the absence of barren plateaus for a special type of quantum neural network. Our work provides trainability guarantees for this architecture, meaning that one can generically train its parameters.” 

As an artificial intelligence (AI) methodology, quantum convolutional neural networks are inspired by the visual cortex. As such, they involve a series of convolutional layers, or filters, interleaved with pooling layers that reduce the dimension of the data while keeping important features of a data set.

These neural networks can be used to solve a range of problems, from image recognition to materials discovery. Overcoming barren plateaus is key to extracting the full potential of quantum computers in AI applications and demonstrating their superiority over classical computers. 

Until now, Cerezo said, researchers in quantum machine learning analyzed how to mitigate the effects of barren plateaus, but they lacked a theoretical basis for avoiding it altogether. The Los Alamos work shows how some quantum neural networks are, in fact, immune to barren plateaus.

“With this guarantee in hand, researchers will now be able to sift through quantum-computer data about quantum systems and use that information for studying material properties or discovering new materials, among other applications,” said Patrick Coles, a quantum physicist at Los Alamos and a coauthor of the paper. 

Many more applications for quantum AI algorithms will emerge, Coles thinks, as researchers use near-term quantum computers more frequently and generate more and more data—all machine learning programs are data-hungry.

Avoiding the Vanishing Gradient

“All hope of quantum speedup or advantage is lost if you have a barren plateau,” Cerezo said. 

The crux of the problem is a “vanishing gradient” in the optimization landscape.  The landscape is composed of hills and valleys, and the goal is to train the model’s parameters to find the solution by exploring the geography of the landscape. The solution usually lies at the bottom of the lowest valley, so to speak. But in a flat landscape one cannot train the parameters because it’s difficult to determine which direction to take.

That problem becomes particularly relevant when the number of data features increases. In fact, the landscape becomes exponentially flat with the feature size. Hence, in the presence of a barren plateau, the quantum neural network cannot be scaled up.

The Los Alamos team developed a novel graphical approach for analyzing the scaling within a quantum neural network and proving its trainability. 

For more than 40 years, physicists have thought quantum computers would prove useful in simulating and understanding quantum systems of particles, which choke conventional classical computers. The type of quantum convolutional neural network that the Los Alamos research has proved robust is expected to have useful applications in analyzing data from quantum simulations.

“The field of quantum machine learning is still young,” Coles said. “There’s a famous quote about lasers, when they were first discovered, that said they were a solution in search of a problem. Now lasers are used everywhere. Similarly, a number of us suspect that quantum data will become highly available, and then quantum machine learning will take off.”

For instance, research is focusing on ceramic materials as high-temperature superconductors, Coles said, which could improve frictionless transportation, such as magnetic levitation trains. But analyzing data about the material’s large number of phases, which are influenced by temperature, pressure, and impurities in these materials, and classifying the phases is a huge task that goes beyond the capabilities of classical computers. 

Using a scalable quantum neural network, a quantum computer could sift through a vast data set about the various states of a given material and correlate those states with phases to identify the optimal state for high-temperature superconducting.









Read also

Cesar Azpilicueta relishing fight with Reece James for Chelsea spot after England star’s amazing emergence this season

'Pathetic' Kevin McCarthy blasted for issuing statement on Lauren Boebert that fails to condemn her

Crystal Palace lining up transfer swoop for Roma striker Borja Mayoral given lack of playing time under Jose Mourinho


News, articles, comments, with a minute-by-minute update, now on Today24.pro

News Every Day

Party Supplies Market Growth to Surge Owing to Increasing Adoption by End-use Applications

Today24.pro — latest news 24/7. You can add your news instantly now — here


News Every Day

Triller Triad Combat: Pulev vs. Mir live stream, results, and discussion



Sports today


Новости тенниса
Анастасия Павлюченкова

Павлюченкова: у России огромные шансы на победу в Кубке Дэвиса



Спорт в России и мире

Путин передал приветствие участникам чемпионата Европы по дзюдо среди смешанных команд


Загрузка...

All sports news today




Загрузка...

Sports in Russia today

Широков назвал рабочим вариантом стыковой матч сборной России с Польшей


Новости России

Game News

Get this budget gaming monitor for £45 off


Russian.city


Эксперт Сбер Управление Активами объясняет, что же такое ESG и декарбонизация – новый биткоин или хайп?


Губернаторы России
#123ru.net

Эстония собирается профинансировать строительство хранилища ЯО в Украине. Одобрит ли МАГАТЭ?


Прокуратура Москвы: девушка сорвалась с эскалатора в ТЦ на проспекте Мира

Путин передал приветствие участникам чемпионата Европы по дзюдо среди смешанных команд

Врач Петерс заявил, что COVID-19 у детей может провоцировать пневмонию и боли в животе

Путин: личный состав ВС РФ надежно защищен от коронавируса


«Побег из курятника». 23-летний Моргенштерн стал мишенью российского правосудия или жертвой дешевого пиара? — Daily Storm

Бутман: Владимир Путин умеет играть произведения Иоганна Себастьяна Баха

Спектакль «Час пробил!» по шедевру Стравинского вернули на сцену в Петербурге

Певец Алексей Глызин снял видео на вокзале в Рубцовске и похвалил Евдокимова


Джокович не спас сборную Сербии от поражения немцам в Кубке Дэвиса

Павлюченкова: у России огромные шансы на победу в Кубке Дэвиса

Новак Джокович: Верю, что нам по силам выиграть "Кубок Дэвиса"

Кубок Дэвиса. Рублев вывел Россию вперед в матче с Эквадором




Лоза обвинил врачей в попытке заразить его коронавирусом после приглашения в «красную зону»

В МОСКОВСКИХ «ПЕРЕКРЁСТКАХ» ПОЯВИЛОСЬ ОРГАНИЧЕСКОЕ МОЛОКО ОТ «ЭКОНИВА»

Спортивное завершение года: IRONSTAR INDOOR MOSCOW 2021

МегаФон продемонстрировал рост выручки на 6,2% в третьем квартале 2021 года


Дочь виолончелиста Ростроповича доставлена в московскую больницу с переломами

В Москве скончался композитор Александр Градский

Синоптик Тишковец рассказал о погоде в столичном регионе в воскресенье

Украинский депутат Мураев: Россия и Китай способны освободить Европу от оккупации США



Путин в России и мире







Персональные новости
Russian.city

Игорь Бутман

Саксофонист Игорь Бутман рассказал о музыкальных предпочтениях Путина



News Every Day

Stacey Solomon reveals hair transformation on date night after accidentally dying her eyebrows RED




Friends of Today24


Загрузка...
Музыкальные новости
"Воскресенье " Олег Митяев



Персональные новости
Близкий друг Путина миллиардер Пугачев. Вся правда о Путине, его семье и деньгах. В гостях у Гордона (2021)

Навальный об уволенном за пост священнике (2021)

Slava Marlow – суперуспех и депрессия в 21 год / вДудь (2021)

Обнаглевшие дети путинской элиты (2021)

Дайте собакам мяса (новый звук) -Владимир Высоцкий

Группа "Рождество" - песня "Так хочется жить!" (Видео с концерта в Киеве группы "РОЖДЕСТВО" в 2011 году в Доме офицеров)

Adriano Celentano Любимая песня Челентано (высочайшая энергетика) talentTV

Moscow.media