• J1-2480 - Tenzorske mreže kot povezava med klasičnim in kvantnim strojnim učenjem
Naročnik: Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost RS ( J1-2480 )
Tip projekta: Raziskovalni projekti ARRS
Trajanje projekta: 2020 - 2023
  • Opis

Strojno učenje temelji na veliki količini podatkov in potrebuje ogromno računske moči. Kvantno računanje na drugi strani zagotavlja eksponentne pohitritve nekaterih klasičnih algoritmov. Zato je smiselno združiti prednosti obeh področij za reševanje izjemnih problemov v industriji in fundamentalnih raziskavah. Projekt ima tri cilje. Prvi cilj je uporaba metod strojnega učenja za opis kvantnih sistemov mnogih teles. V tem delu projekta se bomo spoprijeli z nekaterimi težkimi problemi kvantne mehanike mnogih teles z uporabo novih orodij, ki jih dobimo z adaptacijo nevronskih mrež za kvantno mehanske probleme. Drugi cilj je uporaba metod iz kvantne mehanike mnogih teles za reševanje problemov strojnega učenja. Z nove perspektive, ki je motivirana z uspehom tenzorskih mrež za opis večdelčnih kvantnih sistemov, bomo obravnavali probleme nasprotnih primerov, negotovosti in posploševanja. Tretji in najambicioznejši cilj je združiti znanje iz kvantne mehanike in strojnega učenja, da bi našli nove, uporabne aplikacije kvantnih naprav. Uporabili bomo kombinacijo uspešnih kvantno-mehanskih orodij in orodij strojnega učenja, za razvoj kvantnih algoritmov uporabnih na zdajšnjih kvantnih napravah in bistveno hitrejših od njihovih klasičnih različic.

Veda

Naravoslovje

Letni obseg

1,25 FTE (od tega 1,07 za UL FRI)

Sodelujoče raziskovalne organizacije

Fakulteta za računalništvo in informatiko, UL

Fakulteta za matematiko in fiziko, UL

Sestava projektne skupine

Bojan Žunkovič (V)

Enej Ilievski (R)

Marko Robnik-Šikonja (R)

Marko Žnidarič (R)

Faze projekta

Projekt ima štiri delovne pakete od katerih delovna paketa WP1 in WP2 raziskujeta povezave med kvantno mehaniko in strojnim učenjem v različnih smereh in lahko tečeta sočasno. Ta paketa predstavljata jedro projekta in bosta izvajana prvi dve leti. Del projekta WP3 je odvisen od metod, ki bodo razvite v WP2. Zato bomo najprej začeli z izvajanjem paketa WP2 in bo izvajanje delovnega paketa WP3 prestavljeno na začetek tretjega leta projekta. Drugi razlog za zamik paketa WP3 je razvoj NISQ naprav, ki bo povečal možnosti za uspeh paketa.

Bibliografske reference projekta

Žunkovič, B., Heyl, M., Knap, M., & Silva, A. (2018). Dynamical quantum phase transitions in spin chains with long-range interactions: Merging different concepts of nonequilibrium criticality. Physical review letters, 120(13), 130601.

Lerose, A., Marino, J., Žunkovič, B., Gambassi, A., & Silva, A. (2018). Chaotic dynamical ferromagnetic phase induced by nonequilibrium quantum fluctuations. Physical review letters, 120(13), 130603.

Robnik-Šikonja, M. (2015). Data generators for learning systems based on RBF networks. IEEE transactions on neural networks and learning systems, 27(5), 926-938.

Kranjc, J., Orač, R., Podpečan, V., Lavrač, N., & Robnik-Šikonja, M. (2017). ClowdFlows: Online workflows for distributed big data mining. Future Generation Computer Systems, 68, 38-58.

Ljubotina, M., Žnidarič, M., & Prosen, T. (2017). Spin diffusion from an inhomogeneous quench in an integrable system. Nature communications, 8(1), 1-6.

Financerji

Javna agencija za raziskovalno dejavnost Republike Slovenije