Квантовый рецепт: нейрон-шеф учится без ошибок ✛ ✎ ✦

Оригинал: "Canonical quantization of neurons"
arXiv:2607.05000 · 2026-07-06 · arXiv non-exclusive · собственный разбор · 1 мин
С помощью квантовой механики нейрон научился пробовать данные в любом порядке и стал ошибаться вдесятеро реже.

Обычный искусственный нейрон напоминает повара, чётко следующего рецепту: смешать входные данные в заданных пропорциях и выдать результат. Поль Дирак показал, как числа превратить в объекты, нарушающие правило «от перестановки слагаемых сумма не меняется». Учёные применили это к нейрону: теперь повар получил возможность комбинировать ингредиенты в любом порядке, даже одновременно, — блюдо становится изысканнее.

Внутри квантового нейрона не одна формула, а множество состояний, существующих одновременно. Используя запутанность и настройку температуры термодинамического характера, он обучается на семи кубитах и ошибается вдесятеро меньше классического аналога.

Неожиданный ингредиент: математический трюк заменил кривую обучения нейрона формулой из физики полупроводников, где она описывала распределение энергии частиц. Это позволило нейрону учиться эффективнее. Такие нейроны станут основой квантовых нейросетей, напрямую обрабатывающих квантовые данные. Работу нейрона, включая измерение состояний и передачу квантовой информации, проверяли численным моделированием до запуска на реальном устройстве. В разработке участвовали идеи Эрвина Шрёдингера и методы Сета Ллойда.

Для обучения нейрона математики переписали его активационную функцию через формулу, которая обычно описывает распределение энергии частиц в полупроводниках.

\operatorname{Tr}[\varphi(H(\theta))\rho]
Выход квантового нейрона — это среднее значение нелинейно преобразованного гамильтониана, измеренное на входном квантовом состоянии.
\partial_j \operatorname{Tr}[g_T(H(\theta))\rho] = \frac{1}{T} \mathbb{E}_{t\sim\mu, s\sim\upsilon} \operatorname{Tr}[H_j e^{itH(\theta)/T} \mathcal{U}_{st/T}(\rho)]
Градиент функции потерь выражается как среднее по случайным параметрам, что позволяет вычислить его на квантовом оборудовании с помощью теста Адамара.
Учёные
David DeutschErwin SchrödingerJohn Stewart BellLouis de BroglieLov GroverPaul Benioff
Понятия
квантовый алгоритм квантовая нейронная сеть гибридный алгоритм классический компьютер медицина классический предел обобщение гибридный подход вычислительная мощность гамильтониан вычислительный метод память вычисление фейнман центр обработки данных численное моделирование нейронная сеть нейрон сложность оператор произведения