[논문 리뷰] Advances in Quantum Deep Learning: An Overview

Siddhant Garg, Goutham Ramakrishnan|arXiv (Cornell University)|2020. 05. 08.

Quantum Computing Algorithms and Architecture참고 문헌 94인용 수 46

한 줄 요약

이 논문은 양자 컴퓨팅과 딥러닝의 교차점을 조사하며 양자 신경망(QNNs), 양자 컨볼루션 네트워크(QCNNs), 양자 영감을 받은 고전 알고리즘, 그리고 실용적 구현을 자세히 다룬다.

ABSTRACT

The last few decades have seen significant breakthroughs in the fields of deep learning and quantum computing. Research at the junction of the two fields has garnered an increasing amount of interest, which has led to the development of quantum deep learning and quantum-inspired deep learning techniques in recent times. In this work, we present an overview of advances in the intersection of quantum computing and deep learning by discussing the technical contributions, strengths and similarities of various research works in this domain. To this end, we review and summarise the different schemes proposed to model quantum neural networks (QNNs) and other variants like quantum convolutional networks (QCNNs). We also briefly describe the recent progress in quantum inspired classic deep learning algorithms and their applications to natural language processing.

연구 동기 및 목표

• 양자 컴퓨팅과 딥러닝을 결합하려는 동기를 설명한다.
• 양자 신경망이 어떻게 모델링되고 학습되는지 요약한다.
• 양자 CNNs 및 양자 RNNs와 그 아키텍처와 같은 변형을 논의한다.
• 양자 영감 고전 딥러닝 접근법과 자연어 처리(NLP) 응용을 강조한다.

제안 방법

• 양자 신경망 및 구성요소에 관한 문헌을 검토하고 종합한다.
• QNN 모델로서 유니터리 표현과 가변 회로를 설명한다.
• 입력 표현 및 고전 데이터를 양자 상태로 어떻게 인코딩하는지 설명한다.
• 양자 측정, 적합도 기반 손실 및 기울기 방법을 포함한 학습 메커니즘을 제시한다.
• 실용적 구현과 하이브리드 양자-고전 접근법을 설명한다.

실험 결과

연구 질문

• RQ1 신경망(QNNs, QCNNs)을 위해 제시된 주요 양자 아키텍처는 무엇이며 이것들이 고전적 대응과 어떻게 매핑되는가?
• RQ2 양자 회로가 학습 작업을 위해 어떻게 매개변수화되고 학습되는가?
• RQ3 고전 데이터를 양자 상태로 인코딩하고 출력을 추출하는 실용적 전략은 무엇인가?
• RQ4 양자 및 고전 딥러닝 접근법 사이에 어떤 변형과 하이브리드가 존재하며 어떤 응용이 탐구되었는가?
• RQ5 NISQ 기기 및 하드웨어에서의 실용적 구현 현황은 어떠한가?

주요 결과

• 양자 회로는 학습 가능한 유니터리 매개변수를 갖는 신경망 유사 학습을 위한 가역적 프레임워크를 제공한다.
• 양자 및 양자 영감 방법은 고전적 딥러닝 개념(레이어, 활성화, 역전파 아날로그)에 맞먹는 구조와 학습 아이디어를 제공한다.
• 양자 CNNs 및 RNNs가 제안되었고, 하이브리드 및 연속변수 변형이 탐구되었다.
• 실용적 구현은 하드웨어 제약에 직면하여 하이브리드 양자-고전 알고리즘 및 NISQ 중심 연구로 이어진다.
• 양자 영감을 받은 고전 학습 접근법은 NLP 및 기타 영역에서 효율성이나 모델링을 개선하기 위해 양자 아이디어를 활용한다.