神经网络中的 Hintons：深度学习的量子场论视角
量子物理
2021-03-09 v1 机器学习
摘要
在这项工作中，我们为深度学习发展了一种量子场论形式体系，其中输入信号被编码在高斯态中，高斯态是高斯过程的推广，编码了智能体对输入信号的不确定性。我们展示了如何将线性和非线性层表示为酉量子门，并将量子模型的基本激发解释为粒子，称之为“Hintons”。除了为研究神经网络开辟新的视角和技术外，该量子形式体系非常适合于光学量子计算，并提供了可以在这些设备上高效运行的神经网络的量子形变。最后，我们讨论了量子形变模型的半经典极限，该极限适于经典模拟。
引用
@article{arxiv.2103.04913,
title = {The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning},
author = {Roberto Bondesan and Max Welling},
journal= {arXiv preprint arXiv:2103.04913},
year = {2021}
}