混合量子-经典光子神经网络
量子物理
2024-07-16 v2 光学
摘要
神经形态 (受大脑启发) 光子计算技术利用光子芯片加速人工智能，为射频通信、张量处理和数据分类提供高速且高效的解决方案。然而，集成光子硬件的有限物理尺寸限制了网络的复杂度和计算容量。鉴于最近在光子量子技术方面的进展，利用量子指数级加速来扩展光子神经网络的能力是自然的。本文展示，经典网络层与可训练的连续变量量子电路的组合可产生具有 improved trainability 和 accuracy 的混合网络。在分类任务中，混合网络在与规模为原来两倍的完全经典网络进行基准测试时，实现了相同的性能。当优化网络的位精度通过添加噪声降低时，混合网络在最新的位精度下仍能实现更高的准确率。这些混合量子-经典网络为在不增加物理网络规模的情况下提升集成光子神经网络的计算容量提供了一条独特的路径。
引用
@article{arxiv.2407.02366,
title = {Hybrid Quantum-Classical Photonic Neural Networks},
author = {Tristan Austin and Simon Bilodeau and Andrew Hayman and Nir Rotenberg and Bhavin Shastri},
journal= {arXiv preprint arXiv:2407.02366},
year = {2024}
}