洛斯阿拉莫斯国家实验室今天发表的题为“量子卷积神经网络中不存在贫瘠高原”的论文的合著者 Marco Cerezo 说：“你构建量子神经网络的方式可能会导致贫瘠的高原——或不会。”物理评论 X 中的团队。Cerezo 是洛斯阿拉莫斯的一名物理学家，专门研究量子计算、量子机器学习和量子信息。“我们证明了一种特殊类型的量子神经网络不存在贫瘠的高原。我们的工作为这种架构提供了可训练性保证，这意味着人们可以通用地训练其参数。”

作为一种人工智能 (AI) 方法，量子卷积神经网络的灵感来自于视觉皮层。因此，它们涉及一系列卷积层或过滤器，与池化层交错，在保持数据集的重要特征的同时降低数据的维度。

这些神经网络可用于解决一系列问题，从图像识别到材料发现。克服贫瘠的高原是挖掘量子计算机在人工智能应用中的全部潜力并展示其优于经典计算机的关键。

Cerezo 说，到目前为止，量子机器学习的研究人员分析了如何减轻贫瘠高原的影响，但他们缺乏完全避免它的理论基础。洛斯阿拉莫斯的工作展示了一些量子神经网络实际上如何不受贫瘠高原的影响。

“有了这个保证，研究人员现在将能够筛选关于量子系统的量子计算机数据，并将这些信息用于研究材料特性或发现新材料等应用，”洛斯阿拉莫斯的量子物理学家帕特里克科尔斯说。和论文的合著者。

Coles 认为，随着研究人员更频繁地使用近期量子计算机并生成越来越多的数据，将会出现更多量子人工智能算法的应用程序——所有机器学习程序都需要大量数据。