← Nieuwste papers
⚛️ quantum physics

HQNET: Harnessing Quantum Noise for Effective Training of Quantum Neural Networks in NISQ Era

Dit artikel introduceert HQNET, een strategie die aantoont dat de zorgvuldige selectie van meetobservabelen, afhankelijk van de gebruikte kostfunctie, kwantumruis kan mitigeren en het trainen van kwantumneuronale netwerken in het NISQ-tijdperk tot 10 qubits mogelijk maakt.

Oorspronkelijke auteurs: Muhammad Kashif, Muhammad Shafique

Gepubliceerd 2026-04-16
📖 5 min leestijd🧠 Diepgaand

Oorspronkelijke auteurs: Muhammad Kashif, Muhammad Shafique

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

HQNET: Hoe we ruis (storing) in quantumcomputers kunnen gebruiken om slimme netwerken te trainen

Stel je voor dat je een enorm complex labyrint probeert te doorlopen. Je doel is om het snelste pad naar de uitgang te vinden. In de wereld van quantumcomputers is dit labyrint de "trainingsruimte" van een Quantum Neural Network (QNN). Dit is een soort kunstmatige intelligentie die werkt met de vreemde regels van de quantumwereld.

In de huidige tijd, die we de NISQ-tijdperk noemen (Noisy Intermediate-Scale Quantum), zijn deze quantumcomputers nog niet perfect. Ze zijn als een oude radio in een storm: er zit veel ruis (storing) in. Deze ruis zorgt ervoor dat het labyrint vaak plat en eentonig wordt. In de vaktaal noemen ze dit een "Barren Plateau" (een vruchtbare vlakte). Als het landschap helemaal plat is, weet de computer niet meer welke kant op te gaan; de "stroom" van informatie verdwijnt en het leren stopt.

De auteurs van dit paper, Muhammad Kashif en Muhammad Shafique, hebben een slimme oplossing bedacht. Ze zeggen: "Waarom proberen we de ruis weg te krijgen? Laten we kijken of we de ruis kunnen gebruiken om ons te helpen!"

Hier is hoe ze dat deden, vertaald in alledaagse termen:

1. Het Probleem: De Platte Vlakte

Stel je voor dat je een bal rolt over een heuvelachtig landschap om naar de laagste punt (de oplossing) te komen.

  • Zonder ruis: Je ziet duidelijke valleien en heuvels. De bal rolt makkelijk naar beneden.
  • Met ruis (storing): De ruis maakt het landschap zo glad en plat dat het lijkt op een ijsbaan. De bal rolt niet meer; hij blijft ergens staan of glijdt willekeurig rond. Hoe meer qubits (de bouwstenen van de computer) je toevoegt, hoe platter dit landschap wordt. Dit is het grote probleem: hoe groter je netwerk, hoe sneller het vastloopt.

2. De Oplossing: De Goede "Bril" kiezen

Om te zien waar de uitgang is, moet je meten wat er gebeurt. In de quantumwereld doe je dit met observabelen. Je kunt dit zien als het kiezen van een bril of een filter om naar je labyrint te kijken.

De onderzoekers testten vier verschillende "brillen":

  1. PauliX: Een bril die kijkt naar de ene kant van de wereld.
  2. PauliY: Een bril die kijkt naar een andere hoek.
  3. PauliZ: Een bril die kijkt naar de "standaard" positie (boven/onder).
  4. Een Speciale, Aangepaste Brill (Hermitian): Een bril die ze zelf hebben ontworpen, perfect afgestemd op wat ze wilden bereiken.

3. De Resultaten: Wat werkt waar?

De onderzoekers keken naar twee situaties:

  • Situatie A: Alles meten (Global) – Je kijkt naar alle qubits tegelijk.
  • Situatie B: Eén ding meten (Local) – Je kijkt alleen naar één qubit.

Wat ontdekten ze?

  • De "Standaard" Brillen (PauliX en PauliY):
    Of je nu alles meet of maar één ding, deze brillen werken slecht in een ruisige omgeving. Het landschap wordt direct plat. Het is alsof je door een mistbril kijkt; je ziet niets, en de computer kan niet leren.

  • De "Standaard" Brill (PauliZ) bij Alles-meten:
    Als je alles meet, werkt deze bril redelijk goed tot een bepaalde grootte (ongeveer 6 tot 8 qubits). Daarna wordt het landschap ook te plat. Het is een solide bril, maar niet perfect voor de grootste problemen.

  • De "Standaard" Brill (PauliZ) bij Eén-ding-meten:
    Dit was een verrassing! Als je alleen één qubit meet, werkt deze bril fantastisch, zelfs bij grote netwerken (tot 10 qubits). Het ruisige landschap blijft hier behoudend heuvelachtig. Het is alsof je door een klein raampje kijkt, maar dat raampje geeft je precies het juiste perspectief om de weg te vinden.

  • De "Speciale Aangepaste Brill" (Custom Hermitian):
    Dit was de winnaar! De onderzoekers maakten een bril die perfect paste bij hun doel (het vinden van een specifieke staat).

    • Het magische effect: In plaats van dat de ruis het landschap plat maakt, gebruikte deze bril de ruis om het landschap te "snijden". Het ruisige landschap werd niet eentonig plat, maar kreeg een duidelijke, gladde weg naar de oplossing.
    • Resultaat: Met deze bril konden ze zelfs de grootste netwerken (10 qubits) succesvol trainen, terwijl andere methoden faalden. Ze gebruikten de ruis als een hulpmiddel in plaats van een vijand.

De Grootste Les

De kernboodschap van dit paper is als volgt:
In de wereld van quantumcomputers is ruis (storing) onvermijdelijk. In plaats van te proberen die ruis volledig te elimineren (wat heel moeilijk is), kun je beter slim kiezen hoe je kijkt (welke meetmethode je gebruikt).

Als je de juiste "bril" kiest die past bij je taak en hoe je meet, kun je de ruis soms zelfs gebruiken om het leerproces te versnellen. Het is alsof je in een storm niet probeert de wind te stoppen, maar je zeil zo instelt dat de wind je juist sneller naar je bestemming duwt.

Kortom: Door slim te kiezen wat je meet, kun je quantum-neuralen trainen die groter en krachtiger zijn, zelfs op de imperfecte computers van vandaag.

Verdrinkt u in papers in uw vakgebied?

Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.

Probeer Digest →