量子循环神经网络的快速训练
量子物理
2025-05-30 v2 机器学习
摘要
时间序列预测对于人类在众多领域的活动至关重要。完成此任务的常用方法是利用循环神经网络（RNNs）。然而，尽管其预测相当准确，其学习过程复杂，因而耗时耗能。在此，我们提出将连续变量量子资源引入RRNs的概念，并使用量子增强RNN克服这些障碍。连续变量量子RNN（CV-QRNN）的设计根植于连续变量量子计算范式。通过大量数值模拟，我们证明该量子网络能够学习若干类型时序数据的时间依赖性，并且比经典网络在更少轮次内收敛到最优权重。此外，在可训练参数较少时，它可比其经典对应物达到更低损失。CV-QRNN可使用市售量子光子硬件实现。
引用
@article{arxiv.2207.00378,
title = {Rapid training of quantum recurrent neural networks},
author = {Michał Siemaszko and Adam Buraczewski and Bertrand Le Saux and Magdalena Stobińska},
journal= {arXiv preprint arXiv:2207.00378},
year = {2025}
}