量子人工智能功能飞跃有望

一项重要的新发展在美加的洛斯阿拉莫斯（Los Alamos）国家实验室里出现。他们取得了惊人的成绩并在理论上做出了一种关键的进步，使用一种称为“过参数化”的技术可以提高量子机器学习的性能，从而挑战传统计算机的任务。

不过，到目前为止，人们对量子机器学习模型中的“过参数化”还知之甚少。在最新研究中，LANL团队建立了一个理论框架，用于预测量子机器学习模型过参数化的临界参数。在某个临界点上，增加参数会使网络性能有一个飞跃，模型变得明显容易训练。

为了更好地说明该团队的发现，研究人员描述了一个思维实验，在这个实验中，一个徒步旅行者在黑暗的环境中寻找最高的山峰，代表了训练过程。徒步旅行者只能朝着特定的方向前进，并通过能够使用尽可能有限的精确度的GPS系统高精度地测量机器人的高度来准确地评估它们的进度。

但由于参数太少，步行者无法彻底探索，可能会把一座小山丘误认为最高的山峰，或者被困在平坦的地区，任何一步都显得徒劳无益。然而，随着参数数量的增加，步行者可以在更高的维度上向更多的方向移动。有了额外的参数，徒步者就可以避免被困，找到真正的山峰或问题的解决方案。这些新的参数将允许用户通过手机应用程序访问它们的位置，并且可以在任何地方进行定位。

（编辑：银川站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!