[논문 리뷰] Efficient learning algorithm for quantum perceptron unitary weights

Kok-Leong Seow, Elizabeth Behrman외 1명|arXiv (Cornell University)|2015. 12. 01.

Quantum Computing Algorithms and Architecture참고 문헌 1인용 수 3

한 줄 요약

이 논문은 모어-펜로즈 역행렬과 텐서 곱을 사용하여 해석적으로 유도된 유니타리 가중치를 갖는 양자 퍼셉트론을 제안한다. 이는 반복 학습이 필요 없도록 하며, SVD 기반 분해를 통해 유니타리 성질을 유지한다. 이는 고전적 퍼셉트론이 처리할 수 없는 비선형 XOR 함수를 성공적으로 계산할 수 있다. 이는 양자역학적 제약 조건을 충족한다.

ABSTRACT

For the past two decades, researchers have attempted to create a Quantum Neural Network (QNN) by combining the merits of quantum computing and neural computing. In order to exploit the advantages of the two prolific fields, the QNN must meet the non-trivial task of integrating the unitary dynamics of quantum computing and the dissipative dynamics of neural computing. At the core of quantum computing and neural computing lies the qubit and perceptron, respectively. We see that past implementations of the quantum perceptron model have failed to fuse the two elegantly. This was due to a slow learning rule and a disregard for the unitary requirement. In this paper, we present a quantum perceptron that can compute functions uncomputable by the classical perceptron while analytically solving for parameters and preserving the unitary and dissipative requirements.

연구 동기 및 목표

• 이전의 양자 퍼셉트론 모델이 느린 반복 학습 규칙에 의존하는 데서 비롯된 한계를 극복하고자 한다.
• 유니타리 성질을 엄격히 준수하기 위해 근사치를 사용하는 대신 해석적으로 가중치를 계산하고자 한다.
• 고전적 퍼셉트론이 처리할 수 없는 비선형 함수, 예를 들어 XOR을 계산할 수 있도록 양자 퍼셉트론을 가능하게 하고자 한다.
• 수학적으로 타당한 프레임워크를 통해 소산성 신경 동역학과 유니타리 양자 진화를 통합하고자 한다.
• 다중 큐비트 시스템에 일반화 가능한 양자 퍼셉트론 가중치에 대한 폐쇄형 해를 제공하고자 한다.

제안 방법

• 각 입력 상태의 모어-펜로즈 역행렬을 사용하여, 해당 타겟 상태와의 텐서 곱을 통해 초기 가중치 연산자를 계산한다.
• 모든 훈련 데이터 포인트로부터의 개별 가중치 연산자들을 합하여 총 가중치 행렬을 구성한다.
• 가중치 행렬을 특이값 분해(SVD)하여 유니타리 행렬과 특이값의 대각행렬으로 분해한다.
• 특이값의 대각행렬을 단위 행렬로 대체하여 유니타리 성질을 유지한다.
• 측정 함수 M(x)를 적용하여 x > 0.5 이면 1, 그렇지 않으면 0을 출력함으로써 이진 활성화를 시뮬레이션한다.
• 반복 최적화를 피하고 해석적 취급 가능성을 보장하기 위해 가중치 계산에 폐쇄형 해를 사용한다.

실험 결과

연구 질문

• RQ1 단일 뉴런과 유니타리 연산만을 사용하여 양자 퍼셉트론이 비선형적으로 분리 가능한 함수, 예를 들어 XOR을 계산할 수 있는가?
• RQ2 양자 퍼셉트론 가중치에 대한 학습 규칙이 반복 업데이트에 의존하지 않고 해석적으로 해결될 수 있는가?
• RQ3 유니타리 성질을 유지하면서도 비선형 함수 근사가 가능한 양자 퍼셉트론 가중치 행렬에서 유니타리 성질을 어떻게 유지할 수 있는가?
• RQ4 SVD 기반 분해가 양자 학습 규칙에서 유도된 비유니타리 가중치 행렬에 대해 유니타리 성질을 얼마나 잘 복원하는가?
• RQ5 제안된 방법이 다중 큐비트 시스템과 제어-스위프(CSWAP)와 같은 복잡한 양자 게이트로 일반화될 수 있는가?

주요 결과

• 제안된 알고리즘은 역행렬과 텐서 곱을 사용하여 해석적으로 유니타리 가중치를 계산함으로써 반복 학습이 필요 없도록 한다.
• 이 방법은 고전적 퍼셉트론이 처리할 수 없는 단일 양자 퍼셉트론을 사용하여 XOR 함수를 성공적으로 계산한다.
• SVD 기반 분해를 통해 특이값을 유니타리 행렬로 대체함으로써 유니타리 성질을 복원하며, 양자역학의 원칙을 준수한다.
• 측정 함수 M(x)는 유니타리 가중치 행렬의 구조를 유지하면서도 이진 출력 분류를 가능하게 한다.
• 이 프레임워크는 이중 큐비트 시스템으로 일반화 가능하며, 유니타리 가중치 행렬을 사용하여 제어-NOT 및 제어-SWAP 게이트를 계산할 수 있다.
• 폐쇄형 해는 이전의 양자 퍼셉트론 모델에서 관찰된 비유니타리 가중치 문제를 피하며 뛰어난 안정성을 보여준다.