《科技》鸿海研究院量子所 提机器学习突破解决方案

鸿海研究院指出，「Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits」研究成果，已获世界顶级机器学习及计算神经科学领域的学术会议「神经信息处理系统大会」（NeurIPS 2022）接受，于11月底进行发表。

谢明修表示，贫瘠高原现象解决方案可避免量子机器在学习过程中，因此现象导致训练过久或训练失败，使量子学习机器展现出超越传统机器的真正优势。结合该方案，量子计算研究所在今年鸿海科技日展示量子模拟在电池开发上的研究成果，大大缩减所需的量子资源。

对于贫瘠高原现象，谢明修进一步指出，一般来说，在量子机器学习过程中，会透过控制逻辑闸的可调变参数学习，来得到符合期望的量子电路模型。但在学习过程中，常因逻辑闸过多且结构过深，使得参数更新困难。

谢明修表示，借由适当的给定可调变参数初始值，可改善贫瘠高原现象，解决长久以来一直困扰着量子机器学习领域面临的问题，在该领域研究得到突破性进展，得以自全球逾1万件投稿中脱颖而出，于本月底举行的「神经信息处理系统大会」中发表。