什么是量子卷积神经网络？

Question

我刚通过TensorFlow量子库，他们介绍了量子卷积神经网络。

• 什么是量子卷积神经网络？
• CNN和QCNN的区别是什么？

Answer 1

如果没有关于量子计算的一些背景知识，这个答案可能就没有什么意义。

量子QCNN (https://arxiv.org/abs/1810.03787)是本文作者用来模拟量子数据的一种量子模型。在核心，它只是一个量子电路，作用于一组量子位元，以便对那些量子位元上的量子数据进行建模。作者用它来预测量子数据的一种特殊性质。下面是论文中的一篇文章，其中他们从一个很高的层次解释了这个体系结构：

电路输入为未知量子态\rho_{\text{in}}。卷积层在有限深度下以平移不变的方式应用单个准局部酉(U_i)。对于池，测量了一小部分量子位元，它们的结果决定了应用于附近量子位的酉旋转(V_j)。因此，QCNN中的非线性是由于自由度的减少而产生的。卷积和池层被执行，直到系统的大小足够小；然后，一个完全连接的层作为一个在剩馀的量子位上的单一F而被应用。最后，通过测量一个固定的输出量子位数来获得电路的结果。在经典的情况下，电路结构(即QCNN超参数)，如卷积和池层的数目是固定的，单元本身是学习的。

对比一下经典的CNN: QCNN在处理通常无法(轻松)经典处理的量子数据时使用得最好。作者们在这里做出了一个非常明智的选择，选择了在量子计算机上准备数据的模型，这些数据对于经典计算机来说可能更难准备。如果你有经典的数据(如MNIST或CIFAR)，那么CNN仍然是你在QCNN上表现最好的选择。如果在量子计算机上有量子数据，那么QCNN有一个更强的例子。

如果您一直在使用TensorFlow量子，其中一个教程将展示这种精确的性能比较，其中一个量子计算机建模经典数据很难跟上经典计算机(https://www.tensorflow.org/quantum/tutorials/mnist)的扩展。

我们希望使用TensorFlow量子来更好地理解量子数据，而且不太可能有任何QCNN在严重的经典ML管道中出现，用于大规模的NLP或图像分类，这将大大提高性能……然而:P