量子科技中心_量科网

量子优化是迄今为止最成熟的量子计算技术，为高效解决复杂组合问题提供了一种有前景的方法。近年来，绝热量子计算（AQC）等方法已被应用于跨多个领域的重要优化问题。在深度学习中，深度神经网络（DNN）已达到巨大规模，以支持新的预测能力。大规模模型的优化对于可持续部署至关重要，但随着模型规模和复杂性的不断增加，优化变得越来越具有挑战性。虽然量子优化适用于解决复杂问题，但其在DNN优化中的应用并不直接，需要对现有方法进行彻底重构，以使其与商用量子设备兼容。该工作探索了采用AQC对卷积神经网络进行细粒度剪枝-量化的潜力。研究人员重新设计了现有的启发式方法，将模型压缩问题表述为二次无约束二进制优化（QUBO）问题，并评估了商用量子退火设备提供的解空间。通过重构的探索性工作，该团队证明了AQC可以实现对实际DNN模型的有效压缩。实验表明，绝热量子计算（AQC）不仅在时间效率上优于遗传算法和强化学习等经典算法，而且在识别全局最优解方面表现出色。