多宇宙量子神经网络.pdfVIP

多宇宙量子神经网络 解光军∞庄镇泉⑦ ①(合肥工业大学应用物理系230009) ②(中国科学技术大学电子科学与技术系230026) 摘要将量子理论引入人工神经网络(ANN)领域是一个全新的尝试．本文利用量子理论 中的多宇宙(ManyUniverses)观点来设计网络模型，试图将量子计算的优势与神经 计算结合起来，开发出新型的量子神经网络．仿真实验表明，对于模式分类问题该 模型的学习速率明显优于经典BP网络，而泛化能力保持在同等水平． 关键词量子计算神经计算量子神经网络多宇宙 人工神经网络是对人脑工作机理的简单模仿，它建立于简化的神经元模型和学习规则的 基础之上，但由此却产生了许多计算上的优势，并已拥有非常成功的应用。不过随着应用的 拓宽和深入，神经计算的局限与不足也逐渐凸现出来，人们对于经典神经网络理论的进一步 发展提出强烈的要求，于是便出现了神经网络与其它理论相结合的实践，其中神经网络与量 子理论的结合是一个极富前景和创意的尝试。 量子计算与经典物理意义上的计算有着质的不同，它的特点主要体现在量子态的叠加 并行性(Quantum 等皆由此产生[1】。量子计算所表现出的惊人潜力和异乎寻常的特征皆是源于对经典计算进行 了量子改造，而神经计算是对生物行为以信息处理方式的模拟，若将它推广到量子领域就可 能利用量子计算的巨大威力。同时，神经网络的动力学特征与量子系统也有着许多相似之处， Neural 因此可以推断：量子理论与神经网络相结合将会构建出新的量子神经计算(Quantum Networks)模式。从理论上分析，这种结合具有极大的潜力和良好的前景，它将有助于理解人 脑和意识的本质，有助于求解NP-hard问题，同时也有助于理解神经网络理论和量子理论本身， 更重要的是它开辟了一种新的思路，能够创造出一种全新的神经网络模型——量子神经网络 Neural Networks)。近年来，国际上已有少数先行者在此领域展开了诸如量子联想、 (Quantum 并行学习、经验分析等问题的讨论，虽然目前还只是处于理论分析阶段，但是他们构筑了人 工神经网络中量子计算的基础。 1设计思想 就目前对于量子神经计算的理解，我们认为设计量子神经网络的方法主要有三种：(1) 利用特殊的量子实验(如双缝干涉、隐形传态等)构造模型；(2)利用量子算法的框架来设 计量子学习(QuantumLearning)算法；(3)利用量子理论(如量子概念、原理、方法等)设 计新型的网络结构体系。本文属于第三种，即利用量子理论中的多宇宙观点，结合经典神经 网络的结构特点，设计一种新的量子神经网络模型。 点)的量子观点，它为相当一部分人所接受。该观点认为存在有一些平行的完全的宇宙，它 们在某种确定的意义上在相同的时间和空间中存在着，就某种意义而言，它们与我们共享同 样的时间和同样的空间。不同的平行宇宙是一个公共的物理实体的一部分而关联在一起，物 理实在就是纠缠在一起的所有宇宙的集合。在理论上，多平行宇宙是与波函数的各个投影分 支相联系的，当宇宙面临一种量子选择时，它就分裂成两个不同的宇宙。该理论提供了一个 完全决定性的理论，考虑到环境引发解耦时，多宇宙观点的实验预测将等同于正统统计解释 的预测。可见，多宇宙观点强调了量子态的叠加性，并由此产生了并行的量子信息处理机制。 另一方面，我们认为，人工神经网络的激活过程从某种程度上可以理解为各种模式的叠 加，因为在训练过程中权值的改变是响应不同模式的，一个单输入模式的激活会受到不同模 式的混合影响，所有模式的学习都将对网络的训练产生影响。 因此，可以很自然地联想到利用量子态的叠加现象将多宇宙观点引入神经网络的结构设 计之中[3]。具体地，叠加性可以在神经网络的许多部分得以体现：神经元、神经元之间的连 接以及整个神经网络，由于网络本身是简单的由神经元及神经元之间的连接组成的，每一条 连接就是权重的一个叠加，所以网络的叠加可以是权重集合的叠加，这也就相当于所有连接 的叠加，另外，为了达到单个神经元的叠加状态必须也要通过改变神经元的输入和输出，使 一个神经元区别于其他神经元的方法就是赋予其不同的