量子 CNN 不存在梯度消失问题，物理学家已完成理论证明

图片地址：https://img.ithome.com/newsuploadfiles/2021/10/e1dfdc0b-722e-48a6-904f-95346aada1ee.png

量子计算机上的机器学习，也就是量子神经网络（QNN），有许多传统神经网络望尘莫及的潜力，比如量子数据分析。然而许多 QNN 架构，没法对大型问题进行训练，因为它们都存在着“贫瘠高原”（barren plateau），也就是随系统规模增大梯度呈指数级消失的问题。这无疑当头一盆冷水。克服不了这个问题，就没法挖掘量子计算机在人工智能应用中的全部潜力。好在，来自美国阿拉莫斯实验室（LANL）的科学家经过分析发现，最新提出的量子卷积神经网络 （QCNN），不会出现梯度消失！这一发现无疑具有巨大的突破性，可以为量子人工智能在材料发现等应用的研究之路清除障碍。不存在梯度消失问题的量子卷积神经网络先来看看什么是量子卷积神经网络。它由哈佛大学于 2019 年提出，是一种特殊的量子神经网络，涉及一系列卷积层和池化层交错，在保留相关数据特征信息的同时减少了量子比特的数量。QCNN 可用于纠错、量子相位检测和图像识别等方面。△ QC