变异贝叶斯(VB)推理算法被广泛用于估计生成统计模型中的参数和未观察到的隐藏变量。该算法是受计算物理学中使用的变异方法的启发的 - 即使使用经典技术(例如确定性退火(DA)),也可以轻松地卡在本地最小值中。我们研究了基于非传统量子退火方法的变异贝叶斯(VB)推理算法 - 称为量子退火变异贝叶斯(QAVB)推断 - 并表明QAVB比其经典对应物具有量子优势。特别是,我们表明这种更好的性能源于量子力学的关键概念:(i)量子系统的哈密顿量的基态 - 定义从给定的变分贝叶斯(VB)问题定义 - 对应于最佳解决方案对于在非常低的温度下的变异自由能的最小化问题; (ii)通过与量子退火过程平行的技术可以实现这种基态; (iii)从这种基态开始,可以通过将热浴温度提高到统一性来实现VB问题的最佳解决方案,从而避免在基于古典物理学的VB算法中观察到的自发对称性破坏引入的局部最小值。我们还显示,可以使用$ \ lceil \ log k \ rceil $ Qubits和$ \ Mathcal {O}(k)$操作每个步骤来实现QAVB的更新方程。因此,QAVB可以匹配现有VB算法的时间复杂性,同时提供更高的性能。
translated by 谷歌翻译