SUSTech의 젊은 학자들이 양자 주성분 분석에 관한 실험 연구에서 중요한 진전을 이루었습니다.

최근 양자과학공학연구소(이하 '양자연구소')와 남부과학기술대학교 물리학과가 양자 머신러닝 연구에서 중요한 진전을 이뤘다. 양자연구소 조교수 Xin Tao, 부연구원 Li Jun, 물리학과 부교수 Lu Dawei, 공동연구자 Zhijiang Laboratory 양자센싱연구센터 교수 Dong Ying이 공동으로 양자컴퓨팅 플랫폼 기반의 양자컴퓨팅 플랫폼을 개발했다. 매개변수화된 양자 회로 기반의 양자 주성분 분석 알고리즘을 4큐비트 스핀 시스템에 구현한 연구 결과는 국제 저명 저널인 Physical Review Letters에 "Experimental Quantum Principal Component"라는 제목으로 게재되었습니다. 매개변수화된 양자 회로를 통한 분석".

PCA(주성분 분석)는 기계 학습에서 일반적으로 사용되며 시간이 많이 걸리는 비지도 학습 알고리즘입니다. 이 방법은 직교 변환을 사용하여 선형 관련 변수로 표시되는 관측 데이터를 선형 독립 변수로 표시되는 몇 가지 데이터로 변환합니다. 이 알고리즘은 주로 데이터의 기본 구조, 즉 데이터 내 변수 간의 관계를 찾는 데 사용됩니다. 2014년 Lloyd, Mohseni 및 Rebentros는 양자 주성분 분석 알고리즘(qPCA)을 제안하여 국제적으로 유명한 저널 Nature Physics에 발표했습니다. 이는 기존의 주성분 분석 알고리즘을 기하급수적으로 향상시킬 수 있습니다. 그러나 이 알고리즘을 구현하려면 많은 양이 필요합니다. 양자 주성분 분석 제안에는 아직 실험적 증거가 부족합니다.

그림: 양자 주성분 분석을 이용한 얼굴 인식 실험 흐름도

그림: 고전-양자 하이브리드 제어 방법의 실험 결과, 그림 (a)는 목적 함수의 최적화를 보여줍니다. 그 결과, 그림 (b)는 반복을 통해 실험적으로 얻은 고유벡터와 이론적인 고유벡터 사이의 유사성이 계속해서 증가하는 것을 보여줍니다. 그림 (c) 실험적으로 얻은 고유값은 반복을 통해 이상적인 고유값에 계속 접근하고, 점선은 이론적인 고유값이다.

이를 위해 연구팀은 미지의 양자 상태를 대각선화하여 고유값을 추출할 수 있는 매개변수화된 양자 회로(PQC) 기반의 현재 실험 시스템에 매우 친숙한 양자 주성분 알고리즘을 제안했습니다. 그리고 고유벡터. PQC는 일반적으로 고정 게이트(예: 제어된 NOT)와 조정 가능한 게이트(예: 큐비트 회전)로 구성됩니다. PQC는 목표 문제를 매개변수 최적화 문제로 공식화하고 양자 및 고전 하드웨어의 하이브리드 시스템을 사용하여 대략적인 솔루션을 찾는데 현재 양자 문제를 연구하는 데 널리 사용되는 도구가 되었습니다. 예를 들어, 변이 양자 고유 솔버(VQE)는 분자 해밀턴의 바닥 상태를 검색하는 데 사용되었습니다. 연구팀은 얼굴 인식 문제에 알고리즘을 추가로 적용하고, 고전-양자 하이브리드 제어 방법을 통해 PQC를 반복적으로 최적화하고, 핵자기공명 양자 시뮬레이터에서 얼굴 인식 실험의 소규모 양자 버전을 구현했습니다. 목적 함수와 기울기는 양자 프로세서에서 측정되며, 매개변수 저장 및 업데이트와 얼굴 인식은 클래식 컴퓨터에서 구현됩니다.

이번 혁신적인 성과는 파라메트릭 양자회로 방식을 통해 최초로 양자 주성분 분석 알고리즘을 실험적으로 구현했으며, 양자 주성분 분석의 이론적이고 실험적인 응용 연구의 새로운 길을 모색한 것이다. 본 연구 결과에서는 Xin Tao가 제1저자이자 교신저자이고, 물리학과 박사과정생인 Che Liangyu가 제1저자이자 공동 제1저자이며, Li Jun과 Lu Dawei가 공동 교신저자입니다. Southern University of Science and Technology는 논문의 첫 번째 단위입니다. 이 연구는 또한 과학기술부, 중국 국립자연과학재단, 광둥성 과학기술부, 심천시 과학기술혁신위원회, 남부과학기술대학교의 강력한 지원을 받았습니다.

기사 링크: https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.126.110502