量子变分自编码器
量子物理
2019-01-15 v2 机器学习
机器学习
摘要
变分自编码器(VAEs)是具有推断能力的强大生成模型。在此,我们引入量子变分自编码器(QVAE):一种隐生成过程实现为量子玻尔兹曼机(QBM)的 VAE。我们表明,我们的模型可通过最大化一个定义良好的损失函数进行端到端训练:该损失函数是 log-likelihood 变分近似的“量子”下界。我们使用量子蒙特卡洛(QMC)模拟来训练和评估 QVAE 的性能。为获得最佳性能,我们首先构建一个由受限玻尔兹曼机(RBM)生成的离散隐空间的 VAE 平台。与仅涉及离散变量的类似生成过程方法相比,我们的模型在 MNIST 数据集上达到了最先进的性能。我们考虑具有较少隐单元的 QVAE 以便能够进行 QMC 模拟,因为 QMC 计算代价高昂。我们表明,尽管通过量子下界训练,QVAE 仍可在量子效应相关的机制中被有效训练。我们的发现为使用量子计算机训练 QVAE 以实现有竞争力的生成模型性能开辟了道路。将 QBM 置于 VAE 的隐空间中,充分利用了当前及下一代量子计算机作为采样设备的潜力。
引用
@article{arxiv.1802.05779,
title = {Quantum Variational Autoencoder},
author = {Amir Khoshaman and Walter Vinci and Brandon Denis and Evgeny Andriyash and Hossein Sadeghi and Mohammad H. Amin},
journal= {arXiv preprint arXiv:1802.05779},
year = {2019}
}
备注
v2: published version. 13 pages, 3 figures, 2 tables