DISCRETE VARIATIONAL AUTO-ENCODER SYSTEMS AND METHODS FOR MACHINE LEARNING USING ADIABATIC QUANTUM COMPUTERS

A computational system can include digital circuitry and analog circuitry, for instance a digital processor and a quantum processor. The quantum processor can operate as a sample generator providing samples. Samples can be employed by the digital processing in implementing various machine learning techniques. For example, the computational system can perform unsupervised learning over an input space, for example via a discrete variational auto-encoder, and attempting to maximize the log-likelihood of an observed dataset. Maximizing the log-likelihood of the observed dataset can include generating a hierarchical approximating posterior. Un système de calcul peut comprendre un circuit numérique et un circuit analogique, par exemple un processeur numérique et un processeur quantique. Le processeur quantique peut fonctionner comme un générateur d'échantillon fournissant des échantillons. Des échantillons peuvent être employés par le traitement numérique pour la mise en œuvre de diverses techniques d'apprentissage par machine. Par exemple, le système de calcul peut effectuer un apprentissage non supervisé sur un espace d'entrée, par exemple par l'intermédiaire d'un auto-codeur à variation discrète, et essayer de maximiser la probabilité d'accès de l'ensemble de données observé. La maximisation de la probabilité d'accès d'un ensemble de données observé peut comprendre la génération d'une approximation hiérarchique postérieure.