![](https://csdnimg.cn/release/download_crawler_static/1083462/bg1.jpg)
量子神经网络
1
周树德,王岩,孙增圻,孙富春
清华大学计算机科学与技术系,北京 100084
szq-dcs@mail.tsinghua.edu.cn
摘 要 量子神经网络是一种崭新的技术理论,是量子计算理论和人工神经网络结合的产物。量子神经网络将具有
两者的优点,对改进当前神经网络的不足,从本质上改善网络性能具有重要的理论意义,对量子计算的研究具有推动
作用。本文从实现方法,理论研究及应用前景等方面介绍了当前量子神经网络的发展现状,并对该领域值得进一步研
究的方向进行了探讨。
关键词 人工神经网络, 量子计算, 量子神经网络
Quantum Neural Networks
Zhou Shude Wang Yan Sun Zengqi
Sun Fuchun
Department of Computer Science and Technology, Tsinghua University, Beijing 100084
szq-dcs@mail.tsinghua.edu.cn
Abstract Quantum neural networks(QNN) is a burgeoning new field which combines quantum computation with classical
neural networks. It is meaningful for classical neural networks since QNN will overcome some intractable problems and improve
the network performance essentially. Moreover, QNN will advance the development of quantum computation. The Characteristics,
computation models, implementation, research and applications of QNN are introduced in this paper. Finally, the perspective of
this field is discussed.
Keywords Artificial neural networks, quantum computation, quantum neural networks
1 引 言
目前,人工神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能等特点,
已成为解决问题的有力工具,对突破现有科学技术的瓶颈,更深入的探索非线性等复杂现象起到了
重大的作用,广泛应用于许多科学领域
[36-39]
。然而,随着问题的复杂性程度提高,网络结构相对单
一的传统神经网络模型表现出了种种缺陷和不足,例如固有的学习速度慢、灾变性失忆、硬件实现
难度大等等,一定程度上制约了它的应用
[35]
。
量子神经网络的概念出现于上个世纪 90 年代,提出后便引起了不同领域的科学家的关注,人
们在这个崭新的领域进行了不同方向的探索,提出了很多的想法和初步的模型,充分体现了量子神
经网络研究的巨大潜力。主要研究方向概括为;(1)量子神经网络是指采用神经网络的连接思想来
构造量子计算机,通过神经网络模型来研究量子计算中的问题
[25-33]
;(2)量子神经网络是指在量子
计算机或量子器件的基础上构造神经网络,充分利用量子计算超高速、超并行、指数级容量的特点,
来改进神经网络的结构和性能
[14-18]
;(3)量子神经网络作为一种混合的智能优化算法在传统的计算
机上的实现,这是指通过引入量子理论中的思想对传统神经网络改进,改善传统神经网络的结构和
性能
[1-12]
;(4)基于脑科学、认知科学的研究
[21-24]
。
以上不同的研究方向之间并没有明显的界限,它们之间是紧密联系相互交叉的。其中,美国的
Kak是最早提出量子神经网络的人之一,通过对认知和意识的研究将量子理论引入到人工智能领域,
认为神经元的信息处理应该是有量子特性,并在随后的研究中,从大脑意识的角度对量子神经网络
进行研究
[21-24]
;美国的物理学家Berhman等人在量子神经网络方面做了大量的工作,他们在量子点
分子模型上构造了时间和空间的量子神经网络,通过神经网络调节量子器件的各个物理参数,影响
微观粒子的量子态,改变波函数,使其最终演变到需要的量子态
[25-33]
;美国的Dan在攻读博士期间
发表了一系列量子神经网络的文章,研究了量子计算的学习问题,提出了量子联想存储的算法,相
1
国家重点基础研究专项基金(G2002cb312205),国家自然科学基金重大研究计划专项基金(90205008),国家自然科学基金(60174018,60084002),
全国优秀博士学位论文专项基金(200041)联合资助