北京大學(xué)總裁班導(dǎo)讀：無(wú)監(jiān)督生成模型是機(jī)器學(xué)習(xí)和人工智能的重要課題和研究前沿，也被認(rèn)為是通用人工智能的基礎(chǔ)。歷史上，物理學(xué)為生成型學(xué)習(xí)提供了很多思想源泉，著名的玻爾茲曼機(jī)就來(lái)自于統(tǒng)計(jì)物理中的伊辛模型和相關(guān)的反伊辛問(wèn)題。最近，北京大學(xué)物理學(xué)院本科生韓兆宇、王峻及合作者從量子物理的玻恩詮釋中獲得啟發(fā)，用量子波函數(shù)的概率幅模平方來(lái)描述經(jīng)典數(shù)據(jù)的概率分布，建立了一個(gè)新穎的非監(jiān)督學(xué)習(xí)模型——玻恩學(xué)習(xí)機(jī)(BornMachine)。該成果已在線發(fā)表于世界知名物理學(xué)期刊Physical Review X。

　　生成模型的研究重點(diǎn)是如何從給定的數(shù)據(jù)集合中學(xué)習(xí)到數(shù)據(jù)的聯(lián)合概率分布，以及從學(xué)習(xí)到的概率分布中高效地生成新的樣本。研究團(tuán)隊(duì)提出將數(shù)據(jù)的聯(lián)合分布概率編碼成量子多體態(tài)的概率幅的模平方。他們提出在經(jīng)典計(jì)算機(jī)上使用矩陣乘積態(tài)(Matrix Product States)來(lái)模擬學(xué)習(xí)的過(guò)程。矩陣乘積態(tài)的參數(shù)即張量網(wǎng)絡(luò)的張量元，可以通過(guò)類似密度矩陣重整化群(Density Matrix Renormalization Group)的算法進(jìn)行學(xué)習(xí)，最終形成一個(gè)具有泛化能力的生成模型。這個(gè)學(xué)習(xí)算法結(jié)合了量子物理與機(jī)器學(xué)習(xí)各自的優(yōu)點(diǎn)：它不僅可以利用GPU高效地學(xué)習(xí)到模型參數(shù)，還可以利用張量網(wǎng)絡(luò)的靈活性動(dòng)態(tài)地調(diào)節(jié)模型表達(dá)能力。此外，與傳統(tǒng)的基于統(tǒng)計(jì)物理的生成模型(例如玻爾茲曼機(jī))相比，玻恩學(xué)習(xí)機(jī)還具備直接生成無(wú)關(guān)聯(lián)樣本的強(qiáng)大能力，從而可以高效地生成新的數(shù)據(jù)。

　　基于量子態(tài)的概率生成模型融合了量子物理與機(jī)器學(xué)習(xí)的思想，是一個(gè)嶄新的研究領(lǐng)域。玻恩學(xué)習(xí)機(jī)借助量子態(tài)內(nèi)稟的概率解釋及其強(qiáng)大的表達(dá)能力，意在為機(jī)器學(xué)習(xí)和人工智能提供更為先進(jìn)的生成模型和學(xué)習(xí)算法。此外，這類模型在量子信息處理，量子計(jì)算以及多體物理中具有應(yīng)用潛力。展望將來(lái)，最令人興奮的前景應(yīng)該會(huì)是在一臺(tái)量子計(jì)算機(jī)上實(shí)現(xiàn)玻恩學(xué)習(xí)機(jī)，從而以全新的方法進(jìn)行概率型的學(xué)習(xí)和建模。這項(xiàng)工作用使用張量網(wǎng)絡(luò)模擬量子計(jì)算機(jī)的運(yùn)行，向無(wú)監(jiān)督量子機(jī)器學(xué)習(xí)邁近了一步。

　　此工作由韓兆宇、王峻，中科院物理研究所副研究員王磊、研究員范桁以及中科院理論物理研究所研究員張潘合作完成。王峻的工作受到國(guó)家創(chuàng)新訓(xùn)練項(xiàng)目的支持。

　　 北大總裁班_北京大學(xué)總裁班_北京大學(xué)高層管理培訓(xùn)中心成立于2005年，是北大舉辦跨學(xué)科、綜合性高端培訓(xùn)項(xiàng)目的校級(jí)專業(yè)培訓(xùn)機(jī)構(gòu)，重點(diǎn)面向高級(jí)公務(wù)人員、高級(jí)商務(wù)人員和高級(jí)技術(shù)人員開展高端培訓(xùn)。