量子平衡传播：量子系统的梯度下降训练
量子物理
2024-06-04 v1 无序系统与神经网络
机器学习
摘要
平衡传播（EP）是一种针对基于能量的系统的训练框架，即其物理过程最小化能量函数的系统。EP已在各种经典物理系统中得到探索，例如电阻网络、弹性网络、经典伊辛模型和耦合相位振子。EP的一个关键优势是它利用系统的物理过程来提取权重梯度，从而实现代价函数上的梯度下降，使其成为开发用于机器学习的节能处理器的候选方案。我们将EP扩展到量子系统，其中被最小化的能量函数是平均能量泛函（哈密顿量的期望值），其最小值是哈密顿量的基态。作为例子，我们研究了横向场伊辛模型和量子谐振子网络——伊辛模型和弹性网络的量子类比。
引用
@article{arxiv.2406.00879,
title = {Quantum Equilibrium Propagation: Gradient-Descent Training of Quantum Systems},
author = {Benjamin Scellier},
journal= {arXiv preprint arXiv:2406.00879},
year = {2024}
}