大数据全局优化的量子绝热演化
摘要：大数据以数据量、速度、真实性和复杂性为特征。这些庞大数据之间的互动具有复杂的特性，伴随着动态和非线性的自由意志。我们基于大数据的特性，从概念上受到量子场论的驱动，并利用凝聚态物理理论来构建一个复杂的非线性动态系统：数据的量子拓扑场论。该模型从单个数据的动态和演化出发，通过作用量、分区函数、绿色传播子等方式定义了集体数据空间的全局属性和演化，其计算复杂性几乎可在O(nlogn)的多项式可解复杂性范围内求解。模拟结果表明，通过量子绝热演化进行全局优化的算法的时间复杂性几乎为O(logn)。我们的算法首先通过贪婪方法探索空间，并制作出所有基态哈密顿量的列表，然后利用量子力学的隧道效应来优化算法，不同于上山和迭代技术，也不允许算法陷入局部极小值或陡峭山谷，这是由于系统的绝热演化。由于量子性的丧失、不可实现性、不克隆性、噪声、退相干、由于电磁场而引起的能级分裂、对扰动的变化性和寿命较短，使其在实际实施中效率低下。通过不受扰动的不变性和笛卡尔独立性以及良定义的数学结构，可以克服量子比特的不足。可以通过数据的拓扑场论来很好地解决这些不足。
作者：Sahil Imtiyaz
论文ID：1805.11479
分类：Other Computer Science
分类简称：cs.OH
提交时间：2018-05-30