Kvant mashinaviy o‘rganishi

Kvant mashinali o‘qitish — kvant fizikasi va informatika kesishgan sohadagi ilmiy yo‘nalish bo‘lib, unda mashinali o‘qitish usullari ishlab chiqiladi va tadqiq etiladi. Bu usullar parallelizm imkoniyatlaridan kvant kompyuterlari yordamida samarali foydalanishga mo‘ljallangan.

O‘qitishning asosiy modellari

Kvant mashinali o‘qitishda uchta asosiy o‘qitish modeli qo‘llaniladi:

  • mansublik so‘rovlari (membership queries) asosidagi aniq o‘qitish (exact learning)
  • ehtimoliy taxminan to‘g‘ri o‘qitish (Probably Approximately Correct, PAC)
  • agnostik o‘qitish (agnostic learning)

Aniq o‘qitish

Ushbu modelda o‘qitishning maqsadi — noma’lum funksiyaga imkon qadar aniq mos keladigan funksiyani topish. Bunda argumentning turli qiymatlari uchun noma’lum funksiya qiymatini so‘rov orqali aniqlash va aniq javob olish mumkin. Kvant algoritmlarining klassik algoritmlarga nisbatan samaradorligi o‘qitish samaradorligi qanday o‘lchanishiga bog‘liq. Agar samaradorlik mezoni yuborilgan so‘rovlar soni bo‘lsa, kvant algoritmlari klassiklaridan faqat polinomial darajada ustun keladi. Biroq samaradorlik mezoni o‘qitish vaqti bo‘lsa, kvant so‘rovlarini (ya’ni klassik so‘rovlarning kvant superpozitsiyasi holatidagi so‘rovlarni) amalga oshirish mumkin bo‘lgan sharoitda kvant algoritmlari klassik algoritmlardan sezilarli darajada tezroq ishlaydigan funksiyalar sinflari mavjud.

PAC-o‘qitish

Bu modelda ham noma’lum funksiyaga eng aniq mos keladigan funksiya izlanadi, ammo so‘rov yuborish imkoni yo‘q. Buning o‘rniga ma’lum bir namunalar to‘plami mavjud. Matematik nuqtayi nazardan maqsad — ushbu namunalar to‘plamida noma’lum funksiyaga imkon qadar yaxshi mos keladigan gipotezani ilgari surish. Kvant PAC-o‘qitishning klassik PAC-o‘qitishdan farqi shundaki, namunalar, umuman olganda, kvant superpozitsiyasi holatida bo‘lishi mumkin. Biroq bu odatda sezilarli ustunlik bermaydi: kvant algoritmining ishlash tezligi klassik algoritmnikidan faqat o‘zgarmas koeffitsiyentga farq qiladi. Shunga qaramay, noma’lum funksiyalarning ayrim sinflari uchun kvant PAC-o‘qitish klassik PAC-o‘qitishdan ancha tez ishlaydi.

Agnostik o‘qitish

Bu modelda n ta bitdan iborat ketma-ketlik beriladi. Vazifa — n+1-bitni imkon qadar aniq bashorat qiladigan gipotezani topish. PAC-modelidagi kabi, bu yerda ham kvant algoritmlari odatda klassik algoritmlardan uncha tez ishlamaydi.

Tarixi

Kvant mashinali o‘qitishning ildizlari nazariy informatikaning 1980-yillarda deyarli bir vaqtda yuzaga kelgan ikki yirik yo‘nalishiga borib taqaladi: mashinali o‘qitish va kvant informatikasi. Mashinali o‘qitish usullarini yaxshilash uchun kvant effektlaridan foydalanishga uringan dastlabki tadqiqot 1999-yilda Nader Bshuti va Jeffri Jekson tomonidan olib borilgan. Ular o‘qitishda bir nechta klassik tanlanmaning kvant superpozitsiyasi holatida mavjud bo‘ladigan «kvant tanlanmalari»dan foydalanishni taklif etgan.

2000-yillarda mashinali o‘qitishning ayrim odatiy masalalarini yechish uchun ham kvant algoritmlari taklif qilindi. Masalan, 2006-yildagi bir tadqiqotda Grover algoritmining klasterlash masalasiga moslashtirilgan varianti taklif etildi.

Adabiyotlar

  • Srinivasan Arunachalam, Ronald de Volf. Kvant o‘qitish nazariyasiga umumiy sharh (ingl.). — 2017. — arXiv:1701.06806.