Jan, 2016

量子玻尔兹曼机

PDF
TL;DR本文提出了一种新的基于量子玻尔兹曼分布的机器学习方法，即量子玻尔兹曼机。通过对量子概率引入边界，可以使该机器学习模型的训练高效进行，同时也探讨了使用 D-Wave 等量子退火处理器进行训练和应用的可能性。
quantum boltzmann machinetransverse-field ising hamiltonianquantum probabilitiessamplingquantum annealing
发现论文，激发创造
  • 变分量子玻尔兹曼机

    本文提出一种基于虚时间演化的变分量子 Gibbs 状态逼近方法，实现了与临近中期的量子计算机兼容的量子 Boltzmann 机械训练方法，同时支持任意参数哈密顿量的梯度下降求解，适用于生成学习与判别学习任务。

    Jun, 2020

  • 使用玻尔兹曼机学习热力学

    通过学习物理系统中热力学量的 Boltzmann 机器，通过自发的学习机器，我们训练了 Boltzmann 机器， 并通过其生成的自旋状态检验热力学可观测量与直接 MC 采样的差距，证明了 Boltzmann 机器能够忠实地再现物理系统的可观测量，并观察到随着系统接近临界状态需要更多的神经元以获得准确的结果。

    Jun, 2016

  • Born 霸权：一个 Ising Born Machine 的量子优势和训练

    本研究提出量子机器学习模型 ——Ising Born Machine（IBM）并使用斯坦偏差和 Sinkhorn 分歧两种方法进行训练，结果表明这两种方法优于最常使用的最大平均偏差（MMD）训练方法，同时 IBM 不可能被古典设备高效模拟。

    Apr, 2019

  • 用 Coresets 训练量子 Boltzmann 机

    使用 coreset 技术加速量子算法在量子计算机上的训练时间，尤其是应用于 Quantum Boltzmann Machines 时的梯度下降算法，以减少计算时间并提高实际效益。

    Jul, 2023

  • 量子深度学习

    本论文表明量子计算不仅可以减少深度受限玻尔兹曼机训练所需的时间，而且提供了比传统计算更丰富和全面的深度学习框架，从而在优化底层目标函数方面取得显著的改进。同时，我们的方法还允许高效地培训完整的 Boltzmann 机和多层全连接模型，且在经典计算中没有良好的对应物。

    Dec, 2014

  • 量子退火在深度神经网络训练中的应用

    本研究探究了使用 D-Wave 量子退火机器从 Restricted Boltzmann Machines 中生成样本来估计模型期望值的新方法，并在较粗粒度的 MNIST 数据集上进行训练测试，结果表明基于量子取样的训练方法可以在相对较少的生成性训练迭代次数内实现与传统 CD 方法相当或更高的精度。

    Oct, 2015

  • 混合量子计算机上的无监督机器学习

    利用量子计算机和贝叶斯优化方法加速解决无监督学习中的聚类问题，并展示出在噪声环境下稳健的表现和经典优化方法的适用性。

    Dec, 2017

  • 使用贪婪的量子搜索学习受限玻尔兹曼机

    我们提出了相应的量子算法来解决 Restricted Boltzmann Machines 结构学习问题，并证明这些算法相对于经典算法在这两类 RBMs 的结构学习中具有多项式加速。

    Sep, 2023

  • NISQ 时代量子态的机器学习

    论文综述了机器学习中生成建模技术在恢复实际、嘈杂和多量子比特量子态方面的发展，尤其是限制玻尔兹曼机器的理论，并演示了它在状态重建中的实际应用，从经典热力学分布的伊辛自旋开始，逐步移动到越来越复杂的纯态和混合量子态，通过对实验噪音中间规模量子设备的冷原子波函数重建的最近工作进行总结，最后讨论了未来在 NISQ 时代和以后使用机器学习进行状态重建的展望。

    May, 2019

  • 利用概率计算机辅助的均场深度玻尔兹曼学习

    利用概率计算机（p-computer）和意味场理论（Mean-Field Theory）辅助学习算法，该研究提出了用于训练难以处理的波尔兹曼机（Boltzmann Machines）的方法以及在可扩展的伊辛机器（Ising machines）中的应用。

    Jan, 2024