量子退火器图像生成能力的评估
无序系统与神经网络
2021-03-16 v1 机器学习
量子物理
摘要
量子退火最初被提出作为一种利用量子效应求解组合优化问题的方法。D-Wave Systems已发布了量子退火硬件的生产模型。然而，硬件中固有的噪声和各种环境因素妨碍了最优解的确定。此外，弱量子涨落区域的冻结效应产生了近似遵循极低温下Gibbs--Boltzmann分布的输出。因此，量子退火器也可作为Ising自旋玻璃问题的快速采样器，已有若干研究探讨了使用量子退火器的Boltzmann机学习。以往的研究集中于比较经典计算机上常规方法与量子退火采样所得结果分布在标准距离上的性能。在本研究中，我们关注量子退火器作为生成模型的性能。为评估其性能，我们准备了一个由在先验数据集上训练的神经网络给出的判别器。评估结果显示，相较于Boltzmann机学习的经典方法，量子退火具有更高的性能。
引用
@article{arxiv.2103.08373,
title = {Assessment of image generation by quantum annealer},
author = {Takehito Sato and Masayuki Ohzeki and Kazuyuki Tanaka},
journal= {arXiv preprint arXiv:2103.08373},
year = {2021}
}
备注
10 pages, 8 figures