fbpx
Wikipedia

Red neuronal cuántica

Agosto 05, 2021

Una red neuronal cuántica (QNN) es un modelo de red neuronal qué está basado en los principios de la mecánica cuántica. Hay dos aproximaciones diferentes en la investigación de las QNN, uno explotando el procesamiento de información cuántico para mejorar los modelos de redes neuronales actuales (a veces también viceversa), y el otro que busca efectos cuánticos potenciales en el cerebro.

Redes neuronales cuánticas artificiales

En la aproximación computacional a la investigación sobre redes cuánticas neurales,[1]​[2]​ los científicos intentan combinar los modelos de redes neuronales artificiales (que son muy utilizados en el aprendizaje automático para clasificación de patrones) con las ventajas de información cuántica para desarrollar algoritmos más eficaces (para un análisis, ver[3]​). Una de las principales motivaciones para estas investigación es la dificultad de entrenar redes neuronales, especialmente en aplicaciones de macrodatos. Hay esperanzas de que ciertas características de la informática cuántica, como por ejemplo el paralelismo cuántico o los efectos de interferencia y entrelazamiento cuántico, puedan ser utilizados para su desarrollo. Puesto que la implementación de las tecnologías necesarias para la creación de una computadora cuántica siguen en una etapa embrionaria, tales modelos de redes neuronales cuánticas son meramente propuestas teóricas que esperar ser utilizadas en experimentos físicos.

La investigación en torno a las redes neuronales cuánticas está dando sus primeros pasos, pero existen un alto número de propuestas con enfoques y rigor matemático muy dispares. La mayoría de ellas están basadas en la idea de reemplazar las neuronas binarias o de Macculloch-Pitt por un cúbit (a las que se puede llamar un quron), resultando en unidades neuronales que puede estar en un estado de superposición (activa y en reposo a la vez).

Idea histórica

Las primeras teorías sobre computación neuronal fueron publicadas por Subhash Kak, quien habla de la semejanza de la función de activación neuronal con la ecuación de valores propios de la mecánica cuántica.[4]​ Kak también habla de la aplicación de estas ideas al estudio de las funciones del cerebro y las limitaciones de esta aproximación.[5]​[6]​ Ajit Narayanan y Tammy Menneer propusieron una implementación fotónica de un modelo de red neuronal cuántica que está basado en la teoría de los múltiples universos que se derrumban en el modelo deseado tras realizar una medición.[7]​ Desde entonces se han publicado muchos más artículos en revistas de ciencias de la computación así como en las de física cuántica para encontrar un modelo de red neuronal cuántico óptimo.

Perceptrones cuánticos

Muchos investigadores intentan encontrar un equivalente cuántico del perceptrón, la unidad con la que se construyen las redes neuronales. Un problema es que la funciones de activación no lineales no se corresponden de manera inmediata a la estructura matemática de la teoría cuántica, ya que la evolución cuántica está descrita por operaciones lineales y conducen a una observación probabilística. Existen ideas para imitar la función de activación de un perceptrón con un formalismo de mecánica cuántica, que van desde medidas especiales[8]​[9]​ hasta la postulación de operadores cuántico no lineales (un modelo matemático que está siendo rebatido).[10]​[11]​ Recientemente se ha propuesto una implementación sencilla de la función de activación utilizando el modelo de computación cuántica basada en circuitos por parte de Schuld, Sinayskiy y Petruccione, basándose en el algoritmo cuántico de estimación de fase.[12]​

Lógica difusa

Se ha prestado cierta atención a un modelo inspirado por la mecánica cuántica que usa ideas de la teoría cuántica para implementar una red neuronal basada en lógica difusa.[13]​

 
El texto que sigue es una traducción defectuosa. Si quieres colaborar con Wikipedia, busca el artículo original y mejora esta traducción.
Copia y pega el siguiente código en la página de discusión del autor de este artículo: {{subst:Aviso mal traducido|Red neuronal cuántica}} ~~~~

Redes cuánticas

Algunas contribuciones invierten la aproximación e intentan explotar las ideas de la investigación de redes neuronales para obtener aplicaciones potentes para informática cuántica, como el diseño de algoritmos cuánticos apoyados por aprendizaje de máquinas.[14]​ Un ejemplo es el trabajo de Elizabeth Behrman y Jim Steck, quiénes proponen un modelo de computación cuántica que consiste en un número de cúbits con interacciones mutuas modificables.[15]​ Siguiendo la regla clásica de backpropagation, la fuerza de las interacciones son aprendidas de un conjunto de ejemplos entrantes, entonces la red cuántica 'aprende' un algoritmo.

Memoria asociativa cuántica.

El algoritmo de memoria cuántica asociativa ha sido introducido por Dan Ventura y Tony Martinez en 1999.[16]​ Los autores no intenta traducir la estructura de las redes neuronales artificiales hacia la teoría cuántica, sino que proponen un algoritmo para una computadora cuántica basada en circuitos que simula memoria asociativa. Los estados de memoria (en las redes neuronales de Hopfield guardados en los pesos de las conexiones neuronales) son escritos a una superposición, y un algoritmo (Grover-like) de búsqueda cuántica recupera el estado de la memoria más cercano a una entrada dada. Una ventaja reside en la capacidad de almacenamiento exponencial de estados de memoria, aun así la pregunta que se mantiene es si el modelo tiene significación teniendo en cuenta el propósito inicial de las redes de Hopfield como una demostración de que una red neuronal puede simular características del cerebro.

Aprendizaje cuántico

La mayoría de algoritmos de aprendizaje siguen el modelo clásico de entrenar una red neuronal artificial para aprender una función de entrada-salida conjunto de entrenamiento dado y utilizar unos bucles de retroalimentación clásicos para actualizar parámetros del sistema cuántico hasta que convergen a una configuración óptima. El aprendizaje como problema de optimización de parámetros también ha sido atacado por modelos adiabáticos de informática cuántica.[17]​

Redes neuronales cuánticas biológicas

A pesar de que muchos investigadores de red neuronales cuánticos explícitamente limitan su alcance a una perspectiva computacional, el campo está estrechamente relacionado con investigaciones de efectos cuánticos potenciales en redes neuronales biológicas.[18]​[19]​ Modelos de memoria y agentes cognitivos basados en colectivos cuánticos han sido propuestos por Subhash Kak, pero él también señala a problemas concretos de límites de observación y control de estas memorias debido a razones lógicas fundamentales.[20]​[21]​ La combinación de neurociencia y física cuánticas también nutre un debate vívido más allá de las fronteras de ciencia, un ejemplo ilustrativo siendo revistas como NeuroQuantology o el método de curación de Neurología Cuántica.[22]​[23]​

Ve también

  • Holographic associative Memoria
  • Cognición cuántica

Referencias

  1. da Silva, Adenilton J.; Ludermir, Teresa B.; de Oliveira, Wilson R. «Quantum perceptron over a field and neural network architecture selection in a quantum computer». Neural Networks 76: 55-64. doi:10.1016/j.neunet.2016.01.002. 
  2. Panella, Massimo; Martinelli, Giuseppe. «Neural networks with quantum architecture and quantum learning». International Journal of Circuit Theory and Applications 39: 61-77. doi:10.1002/cta.619. 
  3. M. Schuld, I. Sinayskiy, F. Petruccione: The quest for a Quantum Neural Network, Quantum Information Processing 13, 11 , pp. 2567-2586 (2014)
  4. S. Kak, On quantum neural computing, Advances in Imaging and Electron Physics 94, 259 (1995)
  5. S. Kak, The three languages of the brain: quantum, reorganizational, and associative.
  6. A. Gautam and S. Kak, Symbols, meaning, and origins of mind.
  7. A. Narayanan and T. Menneer: Quantum artificial neural network architectures and components, Information Sciences 128, 231-255 (2000)
  8. M. Perus: Neural Networks as a basis for quantum associative memory, Neural Network World 10 (6), 1001 (2000)
  9. M. Zak, C.P. Williams: Quantum Neural Nets, International Journal of Theoretical Physics 37(2), 651 (1998)
  10. S. Gupta, R. Zia: Quantum Neural Networks, Journal of Computer and System Sciences 63(3), 355 (2001)
  11. J. Faber, G.A. Giraldi: Quantum Models for Artificial Neural Network (2002), Electronically available: http://arquivosweb.Uso incorrecto de la plantilla enlace roto (enlace roto disponible en Internet Archive; véase el historial, la primera versión y la última). lncc.br/pdfs/QNN-Review. pdf
  12. M. Schuld, I. Sinayskiy, F. Petruccione: Simulating a perceptron on a quantum computer ArXiv:1412.3635 (2014)
  13. G. Purushothaman, N. Karayiannis: Quantum Neural Networks (QNN’s): Inherently Fuzzy Feedforward Neural Networks, IEEE Transactions on Neural Networks, 8(3), 679 (1997)
  14. J. Bang et al.
  15. E.C. Behrman, J.E. Steck, P. Kumar, K.A. Walsh: Quantum Algorithmic design using dynamic learning, Quantum Information and Computation, vol. 8, No. 1&2, pp. 12-29 (2008)
  16. D. Ventura, T. Martinez: A quantum associative memory based on Grover's algorithm, Proceedings of the International Conference on Artificial Neural Networks and Genetics Algorithms, pp. 22-27 (1999)
  17. H. Neven et al.: Training a Binary Classifier with the Quantum Adiabatic Algorithm, arXiv:0811.0416v1 (2008)
  18. W. Loewenstein: Physics in mind.
  19. H. Stapp: Mind Matter and Quantum Mechanics, Springer, Heidelberg (2009)
  20. S. Kak, Biological memories and agents as quantum collectives.
  21. S. Kak, Observability and computability in physics, Quantum Matter 3: 172-176 (2014)
  22. http://www.neuroquantology.com/index.php/journal
  23. http://quantumneurology.com/
  •   Datos: Q1981341

Agosto 05, 2021
neuronal, cuántica, neuronal, cuántica, modelo, neuronal, qué, está, basado, principios, mecánica, cuántica, aproximaciones, diferentes, investigación, explotando, procesamiento, información, cuántico, para, mejorar, modelos, redes, neuronales, actuales, veces. Una red neuronal cuantica QNN es un modelo de red neuronal que esta basado en los principios de la mecanica cuantica Hay dos aproximaciones diferentes en la investigacion de las QNN uno explotando el procesamiento de informacion cuantico para mejorar los modelos de redes neuronales actuales a veces tambien viceversa y el otro que busca efectos cuanticos potenciales en el cerebro Indice 1 Redes neuronales cuanticas artificiales 1 1 Idea historica 1 2 Perceptrones cuanticos 1 3 Logica difusa 1 4 Redes cuanticas 1 5 Memoria asociativa cuantica 1 6 Aprendizaje cuantico 1 7 Redes neuronales cuanticas biologicas 2 Ve tambien 3 ReferenciasRedes neuronales cuanticas artificiales EditarEn la aproximacion computacional a la investigacion sobre redes cuanticas neurales 1 2 los cientificos intentan combinar los modelos de redes neuronales artificiales que son muy utilizados en el aprendizaje automatico para clasificacion de patrones con las ventajas de informacion cuantica para desarrollar algoritmos mas eficaces para un analisis ver 3 Una de las principales motivaciones para estas investigacion es la dificultad de entrenar redes neuronales especialmente en aplicaciones de macrodatos Hay esperanzas de que ciertas caracteristicas de la informatica cuantica como por ejemplo el paralelismo cuantico o los efectos de interferencia y entrelazamiento cuantico puedan ser utilizados para su desarrollo Puesto que la implementacion de las tecnologias necesarias para la creacion de una computadora cuantica siguen en una etapa embrionaria tales modelos de redes neuronales cuanticas son meramente propuestas teoricas que esperar ser utilizadas en experimentos fisicos La investigacion en torno a las redes neuronales cuanticas esta dando sus primeros pasos pero existen un alto numero de propuestas con enfoques y rigor matematico muy dispares La mayoria de ellas estan basadas en la idea de reemplazar las neuronas binarias o de Macculloch Pitt por un cubit a las que se puede llamar un quron resultando en unidades neuronales que puede estar en un estado de superposicion activa y en reposo a la vez Idea historica Editar Las primeras teorias sobre computacion neuronal fueron publicadas por Subhash Kak quien habla de la semejanza de la funcion de activacion neuronal con la ecuacion de valores propios de la mecanica cuantica 4 Kak tambien habla de la aplicacion de estas ideas al estudio de las funciones del cerebro y las limitaciones de esta aproximacion 5 6 Ajit Narayanan y Tammy Menneer propusieron una implementacion fotonica de un modelo de red neuronal cuantica que esta basado en la teoria de los multiples universos que se derrumban en el modelo deseado tras realizar una medicion 7 Desde entonces se han publicado muchos mas articulos en revistas de ciencias de la computacion asi como en las de fisica cuantica para encontrar un modelo de red neuronal cuantico optimo Perceptrones cuanticos Editar Muchos investigadores intentan encontrar un equivalente cuantico del perceptron la unidad con la que se construyen las redes neuronales Un problema es que la funciones de activacion no lineales no se corresponden de manera inmediata a la estructura matematica de la teoria cuantica ya que la evolucion cuantica esta descrita por operaciones lineales y conducen a una observacion probabilistica Existen ideas para imitar la funcion de activacion de un perceptron con un formalismo de mecanica cuantica que van desde medidas especiales 8 9 hasta la postulacion de operadores cuantico no lineales un modelo matematico que esta siendo rebatido 10 11 Recientemente se ha propuesto una implementacion sencilla de la funcion de activacion utilizando el modelo de computacion cuantica basada en circuitos por parte de Schuld Sinayskiy y Petruccione basandose en el algoritmo cuantico de estimacion de fase 12 Logica difusa Editar Se ha prestado cierta atencion a un modelo inspirado por la mecanica cuantica que usa ideas de la teoria cuantica para implementar una red neuronal basada en logica difusa 13 El texto que sigue es una traduccion defectuosa Si quieres colaborar con Wikipedia busca el articulo original y mejora esta traduccion Copia y pega el siguiente codigo en la pagina de discusion del autor de este articulo subst Aviso mal traducido Red neuronal cuantica Redes cuanticas Editar Algunas contribuciones invierten la aproximacion e intentan explotar las ideas de la investigacion de redes neuronales para obtener aplicaciones potentes para informatica cuantica como el diseno de algoritmos cuanticos apoyados por aprendizaje de maquinas 14 Un ejemplo es el trabajo de Elizabeth Behrman y Jim Steck quienes proponen un modelo de computacion cuantica que consiste en un numero de cubits con interacciones mutuas modificables 15 Siguiendo la regla clasica de backpropagation la fuerza de las interacciones son aprendidas de un conjunto de ejemplos entrantes entonces la red cuantica aprende un algoritmo Memoria asociativa cuantica Editar El algoritmo de memoria cuantica asociativa ha sido introducido por Dan Ventura y Tony Martinez en 1999 16 Los autores no intenta traducir la estructura de las redes neuronales artificiales hacia la teoria cuantica sino que proponen un algoritmo para una computadora cuantica basada en circuitos que simula memoria asociativa Los estados de memoria en las redes neuronales de Hopfield guardados en los pesos de las conexiones neuronales son escritos a una superposicion y un algoritmo Grover like de busqueda cuantica recupera el estado de la memoria mas cercano a una entrada dada Una ventaja reside en la capacidad de almacenamiento exponencial de estados de memoria aun asi la pregunta que se mantiene es si el modelo tiene significacion teniendo en cuenta el proposito inicial de las redes de Hopfield como una demostracion de que una red neuronal puede simular caracteristicas del cerebro Aprendizaje cuantico Editar La mayoria de algoritmos de aprendizaje siguen el modelo clasico de entrenar una red neuronal artificial para aprender una funcion de entrada salida conjunto de entrenamiento dado y utilizar unos bucles de retroalimentacion clasicos para actualizar parametros del sistema cuantico hasta que convergen a una configuracion optima El aprendizaje como problema de optimizacion de parametros tambien ha sido atacado por modelos adiabaticos de informatica cuantica 17 Redes neuronales cuanticas biologicas Editar A pesar de que muchos investigadores de red neuronales cuanticos explicitamente limitan su alcance a una perspectiva computacional el campo esta estrechamente relacionado con investigaciones de efectos cuanticos potenciales en redes neuronales biologicas 18 19 Modelos de memoria y agentes cognitivos basados en colectivos cuanticos han sido propuestos por Subhash Kak pero el tambien senala a problemas concretos de limites de observacion y control de estas memorias debido a razones logicas fundamentales 20 21 La combinacion de neurociencia y fisica cuanticas tambien nutre un debate vivido mas alla de las fronteras de ciencia un ejemplo ilustrativo siendo revistas como NeuroQuantology o el metodo de curacion de Neurologia Cuantica 22 23 Ve tambien EditarHolographic associative Memoria Cognicion cuanticaReferencias Editar da Silva Adenilton J Ludermir Teresa B de Oliveira Wilson R Quantum perceptron over a field and neural network architecture selection in a quantum computer Neural Networks 76 55 64 doi 10 1016 j neunet 2016 01 002 Panella Massimo Martinelli Giuseppe Neural networks with quantum architecture and quantum learning International Journal of Circuit Theory and Applications 39 61 77 doi 10 1002 cta 619 M Schuld I Sinayskiy F Petruccione The quest for a Quantum Neural Network Quantum Information Processing 13 11 pp 2567 2586 2014 S Kak On quantum neural computing Advances in Imaging and Electron Physics 94 259 1995 S Kak The three languages of the brain quantum reorganizational and associative A Gautam and S Kak Symbols meaning and origins of mind A Narayanan and T Menneer Quantum artificial neural network architectures and components Information Sciences 128 231 255 2000 M Perus Neural Networks as a basis for quantum associative memory Neural Network World 10 6 1001 2000 M Zak C P Williams Quantum Neural Nets International Journal of Theoretical Physics 37 2 651 1998 S Gupta R Zia Quantum Neural Networks Journal of Computer and System Sciences 63 3 355 2001 J Faber G A Giraldi Quantum Models for Artificial Neural Network 2002 Electronically available http arquivosweb Uso incorrecto de la plantilla enlace roto enlace roto disponible en Internet Archive vease el historial la primera version y la ultima lncc br pdfs QNN Review pdf M Schuld I Sinayskiy F Petruccione Simulating a perceptron on a quantum computer ArXiv 1412 3635 2014 G Purushothaman N Karayiannis Quantum Neural Networks QNN s Inherently Fuzzy Feedforward Neural Networks IEEE Transactions on Neural Networks 8 3 679 1997 J Bang et al E C Behrman J E Steck P Kumar K A Walsh Quantum Algorithmic design using dynamic learning Quantum Information and Computation vol 8 No 1 amp 2 pp 12 29 2008 D Ventura T Martinez A quantum associative memory based on Grover s algorithm Proceedings of the International Conference on Artificial Neural Networks and Genetics Algorithms pp 22 27 1999 H Neven et al Training a Binary Classifier with the Quantum Adiabatic Algorithm arXiv 0811 0416v1 2008 W Loewenstein Physics in mind H Stapp Mind Matter and Quantum Mechanics Springer Heidelberg 2009 S Kak Biological memories and agents as quantum collectives S Kak Observability and computability in physics Quantum Matter 3 172 176 2014 http www neuroquantology com index php journal http quantumneurology com Datos Q1981341Obtenido de https es wikipedia org w index php title Red neuronal cuantica amp oldid 128608852, wikipedia, wiki, leyendo, leer, libro, biblioteca,

español

, española, descargar, gratis, descargar gratis, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, imagen, música, canción, película, libro, juego, juegos