Квантові нейронні мережі викликають ажіотаж навколо можливості ефективного аналізу квантових даних. Але це хвилювання стримує проблема так званого безплідного плато, характерна для багатьох архітектур нейронних мереж. У процесі навчання нейронна мережа рухається по ландшафту функції втрат, намагаючись знайти найнижчу точку. Потрапляючи в» безплідне плато”, вона не відчуває достатнього перепаду висот і, відповідно, не може визначити, в якому напрямку рухатися далі. В результаті натренувати нейронну мережу не вдається.
У своїй роботі вчені вирішили перевірити, чи будуть від проблеми «безплідного плато» страждати згорткові нейронні мережі. При їх створенні надихалися будовою зорової кори головного мозку. Згорткові нейронні мережі складаються з низки шарів з поступово знижується розмірністю, які зберігають ключові особливості набору даних. Таку структуру нейромереж використовують для самих різних завдань – від аналізу зображень до розпізнавання мови.
Авторам дослідження вдалося показати, що квантові згорткові нейронні мережі несприйнятливі до «безплідного плато», на відміну від багатьох інших архітектур нейронних мереж. Це особливо актуально при збільшенні розмірності даних. Вчені припускають, що масштабовані і навчені квантові нейронні мережі підійдуть для аналізу і моделювання матеріалів з високотемпературною сврехпроводімостью, на які одночасно впливають безліч параметрів: температура, тиск, наявність домішок і різниця фаз. Класичним комп’ютерам такі обчислення не під силу.
Крім того, автори роботи представляють нову методику, засновану на графах, за допомогою якої вони аналізували чутливість нейронної мережі до «безплідного плато». Дослідники припускають, що вона може бути корисна і в інших додатках.
Опублікована в журналі physical review x.
