利用 D-Wave 量子退火器从非定向概率图模型采样

Yaroslav Koshka; M. A. Novotny

利用 D-Wave 量子退火器从非定向概率图模型采样

机器学习 2019-05-02 v1 量子物理机器学习

作者: Yaroslav Koshka , M. A. Novotny

摘要

一台具有 2048 量子比特晶格、无缺失量子比特与耦合的 D-Wave 量子退火器(QA)允许嵌入受限玻尔兹曼机(RBM)的完全图。使用具有 8x7 像素可见单元的手写数字 OptDigits 数据集,通过经典对比散度训练 RBM。将经典训练的 RBM 嵌入 D-Wave 晶格,用以证明 QA 为重建测试图像的缺失标签以及作为生成模型提供了一种相对于经典马尔可夫链蒙特卡洛(MCMC)的高效替代方案。在任何训练迭代下,D-Wave 基分类的分类误差比 MCMC 低两倍以上。本研究的主要目标是考察 RBM 模型分布的样本质量,并将其与经典 MCMC 样本进行比较。对于 OptDigits 数据集,D-Wave 样本中的状态所属局部谷约为 MCMC 样本的两倍。MCMC 样本中所有最低能量(最高联合概率)的局部极小值也被 D-Wave 找到。D-Wave 遗漏了许多较高能量的局部谷,同时找到了许多 MCMC 一贯遗漏的“新”局部谷。已确定 D-Wave 找到的“新”局部谷就相应局部极小值的能量、局部谷的宽度以及逃逸势垒的高度而言对模型分布十分重要。

关键词

量子退火受限玻尔兹曼机马尔可夫链蒙特卡洛概率图模型样本质量对比散度生成模型

引用

@article{arxiv.1905.00159,
  title  = {Towards Sampling from Nondirected Probabilistic Graphical models using a D-Wave Quantum Annealer},
  author = {Yaroslav Koshka and M. A. Novotny},
  journal= {arXiv preprint arXiv:1905.00159},
  year   = {2019}
}

备注

11 pages, 11 figures

利用 D-Wave 量子退火器从非定向概率图模型采样

摘要

关键词

引用

备注

相关论文