Команда исследователей R&D-департамента компании Атретек — Владислав Малышкин (Физико-технический институт им. А.Ф. Иоффе) и Михаил Белов (МГУ им. М.В. Ломоносова) — совершила важный прорыв в области квантового машинного обучения и анализа данных.
Представление знания является ключевой и отличительной особенностью любой технологии машинного обучения (ML). Форма представления знаний определяет степень обобщения, которой способна достичь та или иная методика. В более широком смысле форму представления знаний можно рассматривать как вычислительную модель (computational framework). Так, такие методы машинного обучения, как статистическое обучение, логические подходы, машины опорных векторов (SVM), правила и деревья решений, нечеткая логика, нейронные сети и глубокое обучение, могут рассматриваться как различные формы вычислений. Процесс обучения заключается в построении модели на основе данных.
Особый интерес представляет связь вычислений с квантовой механикой. Наиболее широко обсуждаемый подход заключается в сопоставлении вычислительной модели реальной квантовой системе, временная эволюция которой непосредственно выполняет вычисления (квантовые вычисления). Другой подход состоит в сопоставлении вычислительной модели квантовой системе, где представление знаний обычно имеет форму отображения квантового канала (quantum channel mapping), после чего вычисления выполняются на классическом компьютере. В трёх статьях группы Атретек, рассматривается именно второй подход.
Этот подход имеет важное непосредственное практическое применение, поскольку позволяет построить альтернативную вычислительную модель, отличную от нейронных сетей.
Технологическая экспертиза Атретек
Успех этого исследования подчеркивает высочайший уровень научно-исследовательской экспертизы команды «Атретек» в области Data Science, квантовых технологий и алгоритмов оптимизации. Авторы не только предложили строгую математическую теорию, но и реализовали открытое программное обеспечение на базе Java (с поддержкой эффективных методов параллельных вычислений), доступное для дальнейшей интеграции в прикладные IT-продукты компании.
Статья опубликована в авторитетном международном научном журнале Physical Review E, входящем в научное сообщество American Physical Society.
