[论文解读] Quantum Neural Network and Soft Quantum Computing

Zeng‐Bing Chen|arXiv (Cornell University)|Oct 10, 2018

Quantum Computing Algorithms and Architecture参考文献 24被引用 5

一句话总结

本文提出软量子计算作为一种利用具有自然退相干和耗散的噪声开放量子系统的非经典计算范式。它引入了一种使用受控Kraus操作的量子神经网络模型，可保留量子特性（如量子关联和非对易操作），为实现量子人工智能和类脑量子计算提供了现实可行的路径。

ABSTRACT

A new paradigm of quantum computing, namely, soft quantum computing, is proposed for nonclassical computation using real world quantum systems with naturally occurring environment-induced decoherence and dissipation. As a specific example of soft quantum computing, we suggest a quantum neural network, where the neurons connect pairwise via the "controlled Kraus operations", hoping to pave an easier and more realistic way to quantum artificial intelligence and even to better understanding certain functioning of the human brain. Our quantum neuron model mimics as much as possible the realistic neurons and meanwhile, uses quantum laws for processing information. The quantum features of the noisy neural network are uncovered by the presence of quantum discord and by non-commutability of quantum operations. We believe that our model puts quantum computing into a wider context and inspires the hope to build a soft quantum computer much earlier than the standard one.

研究动机与目标

• 提出一种新的量子计算范式——软量子计算，使其在退相干和耗散的现实条件下运行。
• 通过聚焦于开放量子系统中的非通用、任务特定计算，解决标准量子计算的局限性。
• 探讨具有固有噪声的量子神经网络是否仍能表现出实现量子优势所必需的关键非经典特性。
• 为受人类大脑启发的量子人工智能提供一个数学上可处理且实验上可行的模型。
• 研究在噪声、耗散的量子神经网络中，如量子关联和非对易性等量子特性是否依然存在。

提出的方法

• 将神经元建模为与噪声环境耦合的两能级量子系统（量子比特），从混合态 ρ₁₂…ₙ 开始。
• 使用完全正的Kraus映射描述系统演化：𝒪(ρ) = ∑ₖ Eₖ(t)ρEₖ†(t)，其中 Eₖ 为时间相关的操作。
• 通过‘受控Kraus操作’实现成对神经元的相互作用，根据控制量子比特的状态有条件地应用量子操作。
• 在控制量子比特上使用冯·诺依曼测量以触发对目标量子比特的条件动力学，实现对实验友好的实现。
• 分析网络输出态中的量子特性，如量子关联和操作的非对易性。
• 证明操作的非对易性会导致操作顺序反转时产生不同的输出态，这是量子行为的显著特征。

实验结果

研究问题

• RQ1 在具有自然退相干和耗散的开放量子系统中，能否实现非经典计算？
• RQ2 具有噪声、非幺正动力学的量子神经网络是否仍能保持如量子关联等关键量子特性？
• RQ3 在软量子计算模型中，量子操作的非对易性是否得以保持，且是否导致可区分的结果？
• RQ4 基于受控Kraus操作的量子神经网络模型能否成为量子人工智能的基础？
• RQ5 该模型是否为理解人类大脑中类似量子的处理机制提供了合理的框架？

主要发现

• 即使在噪声和耗散演化下，该量子神经网络模型仍保持量子关联，表明存在非经典关联。
• 量子操作的非对易性导致操作顺序反转时产生不同的输出态，这是该模型中保留的清晰量子特征。
• 该模型的输出态依赖于操作序列，证明即使在退相干存在的情况下，量子行为在软量子计算中依然持续。
• 受控Kraus操作形式化允许在多种量子平台（包括超导量子比特和线性光学）上实现。
• 该模型表明，量子人工智能可能并非依赖容错通用量子计算，而是通过更简单、天然具有噪声的量子系统实现。
• 该框架为人类认知中观察到的问题顺序效应提供了潜在的量子力学基础，得到了近期PNAS实验的支持。