用于量子退火训练受限玻尔兹曼机的在线校准方案
量子物理
2025-02-18 v2 无序系统与神经网络
摘要
我们提出一种校准量子退火器内部参数的方案，以获得用于训练受限玻尔兹曼机（RBM）的良好近似样本。经验上，量子退火器的样本服从玻尔兹曼分布，使其适用于RBM训练。量子退火器利用物理现象在短时间内生成大量样本。然而，硬件缺陷使得获取准确样本具有挑战性。现有研究常估计逆温度以进行补偿。我们的方案高效利用样本进行RBM训练，同时也估计内部参数。此外，我们考虑了附加参数，并证明它们提升了样本质量。我们通过将所得样本与经典Gibbs采样（理论上生成准确样本）进行比较来评估我们的方法。结果表明，我们的方案表现出与Gibbs采样相当的性能。此外，采用我们估计方案的训练结果优于RBM的标准训练算法——对比散度算法。
引用
@article{arxiv.2307.09785,
title = {Online calibration scheme for training restricted Boltzmann machines with quantum annealing},
author = {Takeru Goto and Masayuki Ohzeki},
journal= {arXiv preprint arXiv:2307.09785},
year = {2025}
}
备注
17 pages, 6 figures, 1 table