量子生成對抗網路與量子閘門循環神經網路之應用

Abstract

在近年來機器學習的熱潮下，產生了結合機器學習與量子計算的新學科，量子機器學習。研究顯示在機器學習與量子計算的結合之下，可以使量子神經網路相較於古典神經網路展現量子優勢。 本篇論文分為兩部分，在第一部分我使用了量子生成對抗網路來解決微分方程的問題，包含了一階微分方程、二階微分方程、耦合系統微分方程、以及狄利克雷邊界條件和混合邊界條件的偏微分方程。在第二部分我使用了量子閘門循環神經網路來處理時間序列預測的問題。相較於先前的研究，量子長短期記憶，我的模型使用了不到50%的參數就解決了相同的問題，包含了阻尼振子的震盪、第一類貝索函數，以及腔量子電動力學系統中居量反轉的問題，我的模型更簡便以及具有更快的訓練速度，並且達成了與量子長短期記憶相近的成果。