光子盒研究院出品 研究人员已经提出了许多量子算法来增强各种人工智能任务。随着量子增强人工智能的迅速建立，一个紧迫的基本问题自然出现了：量子人工智能技术在各种攻击下是否值得信赖？ 经典神经网络容易受到对抗性扰动的影响，例如，带有小涂鸦的停车标志可能会被误分类为让行标志。最近的理论工作表明，量子神经网络同样具有脆弱性，这将给未来量子机器学习在安全场景中的应用带来严重问题。由此，研究人员建立了量子对抗机器学习的基础。 然而，从实验上演示量子分类器的对抗例子，并显示所提出的对抗措施在实践中的有效性是具有挑战性的，以前从未报道过。现在，由浙江大学王浩华、清华大学邓东灵等组成的团队克服了这些困难，并报告了用10个可编程超导量子比特阵列进行量子对抗学习的首次实验演示。论文于11月28日发表在《自然·计算科学》上[1]。 值得一提的是，在最近举办的第三届和第四届＂科学探索奖＂颁奖典礼上，浙江大学王浩华教授荣获＂科学探索奖＂数学物理学奖，奖金300万人民币。 王浩华，浙江大学物理学院教授、博士生导师 在这项工作中，通过优化器件制造和控制工艺，他们将这些量子比特的平均寿命提高到150 μs，同时单和双量子比特门平均保真度分别大于99.94%和99.4%。 这使其能够成功地实现具有不同结构的大规模量子分类器，电路深度达到60，并且可训练的变分参数数量超过250。他们使用大尺寸真实图像(例如，医用磁共振成像扫描)和高维量子数据(例如，热和局域量子多体态)训练这些分类器，通过测量一些可观测值直接获得量子梯度(梯度是一个向量)。 经过训练，这些分类器可以在这些数据集上实现最先进的性能，测试准确率高达99%，并进一步证明，通过对抗性训练，量子分类器将对相同攻击策略产生的对抗性扰动免疫。 01
36量子比特处理器 该团队展示了一个可编程量子处理器，它有36个超导transmon量子比特，排列在6 6的二维正方形上。图1b中突出显示的量子比特层和控制线层分别在蓝宝石(顶部)和硅(底部)衬底上形成图案，它们在倒装结合过程中组装在一起。量子分类器建立在用该处理器实现的大规模变分量子电路的基础上。 他们将生成的对抗例子输入到量子分类器中测试其性能。量子对抗学习的主要思想的示意图如图1所示。图1a是用于硬化诊断的固定大脑半球的合法MRI(磁共振成像)扫描及其相应的对抗性示例，通过向原始图像添加少量精心制作的扰动而获得。图1c显示了对合法样本和对抗样本的预测。量子分类器将正确地将合法的MRI扫描识别为＂恶性＂(蓝)，而错误地将相应的对抗性示例分类为具有高置信度的＂良性＂(红)，其差别仅在于难以察觉的扰动量。 图1 实验量子对抗学习示意图 为了演示量子对抗学习，他们在处理器中选择了由10个量子比特组成的一维阵列，在量子比特初始化和操作的频率下，其能量弛豫时间T1的范围为131到173 μs。使用由多通道任意波形发生器(MOSTFIT MFAWG-08)产生的30 ns长的微波脉冲实现单量子比特XY旋转，受控非(CNOT)门基于受控π相位(CZ)门加单量子比特旋转。长60纳秒的CZ门是通过仔细调谐量子比特的频率和耦合强度来实现的。 图2 实验中使用的量子比特 由于在该团队的实验序列中，单量子比特(双量子比特)门是在多个量子比特(量子比特对)上同时实现的，因此他们同时进行交叉熵基准测试来表征门的性能，平均泡利错误约为0.08% (0.72%)。 图3 10个量子比特的性能指标（表中第二行ηj/2π单位应为MHz） 02
量子对抗测试正确率99% 在实验中，该团队着重于对抗性训练，并进行实验，以证明其在实践中的有效性。他们首先为每个合法样本生成对抗性示例，然后将它们注入训练集。他们用合法样本和对抗样本重新训练量子分类器。在图4a中，他们绘制了用于在合法和对抗集合上对MRI图像进行分类的分类器的准确度，作为对抗训练过程中的时间段的函数。 他们发现，在大约25个时间段后，两个数据集的概率都会增加，并接近统一，这表明经过对抗性训练的量子分类器变得对对抗性扰动免疫。 更具体地说，在图4b中绘制了随机选择的对抗示例(上图)。该图像将被原始量子分类器错误分类到＂乳房＂类别中，但在对抗训练之后，它将被正确识别为＂手＂。这清楚地表明，对抗性训练确实可以显著增强量子分类器对对抗性扰动的鲁棒性。 图4 利用MRI图像进行量子对抗训练的实验结果。a.在对抗训练过程中每个阶段的合法和对抗测试数据的准确性。b.量子分类器对抗训练前后的对抗样本图像和相应的实验输出。 作者在最后表示，他们的结果不仅揭示了量子学习系统在对抗场景中的脆弱性，而且证明了防御策略在实践中应对对抗性攻击的有效性，从而为实现可信赖的量子人工智能做出了重要的实验尝试。随着量子人工智能这一新兴领域的发展，他们的研究结果将在安全实际应用中被证明是有用的。 参考文献： [1]https://www.nature.com/articles/s43588-022-00351-9
惨遭逆转后！戴维斯表态沮丧，公然不满詹姆斯选择，湖人一盘散沙还记得湖人在20192020赛季夺冠时候的表现吗？当时的湖人基本在最后时刻有个58分的领先优势，比赛基本就跟结束了似的，他们的防守固若金汤，勒布朗詹姆斯的控场能力让对手非常无奈。湖王曼昱爆冷出局，赛后的一番话让人肃然起敬，刘国梁没有看错人从2比0到2比3，王曼昱被连扳三局惨遭逆转，但赛后的一番话不由得让人刮目相看，刘国梁真的没有看错人！今天我们来聊一下国乒，聊一下王曼昱，说到王曼昱这名选手，我本人是非常喜欢他的，纵被网红过度炒作的6款球鞋，其实上脚不好看，花钱买教训近两年，网红带货成为了主流，被带火的球鞋也越来越多，即便是烂的产品，只要网红一句话，月销上万轻而易举。拒绝盲目跟风，别再被割韭菜了！本期，就为大家分享被8款网红过度炒作的球鞋，口碑世乒赛混双四强出炉！国乒两场全胜，张本智和31晋级决战林高远2021年11月28日，世乒赛混双四强率先诞生，国乒两对组合王楚钦孙颖莎林高远张安战胜各自对手晋级，再赢一场就可以会师决赛，张安创造历史，不管接下来的比赛结果如何，她都拿到一枚世乒世乒赛第四轮伊藤美诚再遇苦战，波尔收获退赛大礼北京时间11月27日，世乒赛展开第四轮较量，随着赛程过半，比赛的质量逐渐提升。中国队多名选手遭遇强烈阻击，但都有惊无险晋级下一轮。男单赛场，樊振东42击败了队友王楚钦，林高远41击世乒赛现场疑似有人种族歧视，最后中国以43赢得比赛11月27日，美国休斯敦世乒赛，中国选手梁靖崑对阵英国名将皮切福德时，在最后一局84时，观众席上有一白人男子一直在大喊yellowbanana。梁靖崑在比赛场上听到后无奈摇头，而英看看新闻Knews独家专访福原爱向北京冬奥会送祝福看看新闻Knews记者宋看看202202012100由于疫情，今年东京塔点亮中国红的活动采用线上直播的方式。深受中国民众喜爱的前日本乒乓球运动员福原爱担任空中直播解说。在起飞前，她秋瓷炫张杰等9个艺人晒年夜饭，美味又好看，他和父母只吃1道菜虎年来了。恭祝大家新年快乐！愿所想皆所愿，所愿皆所得。过年怎么能少得了年夜饭呢？年夜饭是我们国家的传统，更是一种仪式感。来看看9个艺人晒出的年夜饭，美味又好看。01关晓彤篇除夕夜，照片怎么压缩？神操作不影响清晰度！体积减10倍画质几乎不变在很多时候，我们用到图片的地方都会限制图片的大小，想要上传必须先压缩到限制大小的范围内，那么改怎么操作既能把图片体积压缩变小，同时画质在肉眼上几乎没啥差异不影响清晰度呢，下面我来教手机相册删除的照片和视频怎样恢复，教你6秒找回，操作简单有的时候我们可能不小心误操作把相册里一些重要的照片或视频删掉了，心中后悔不已，暗骂自己手贱。不用担心，你的照片只是去了隔壁回收站，并没有正式删除，还能找回恢复的。手机相册下面我以小虎年春节能接受姚明的拜年不能接受他老的形象我有一点恻隐之心虎年新春能接受姚明的拜年不能接受他老的形象谁见都能牵动一点恻隐之心姚明没有真正认识中国篮球中国篮球的水很深春节期间，中国篮球协会的主席姚明先生给全国人民拜年。看到姚主席拜年的形象，