光子盒研究院出品
研究人員已經提出了許多量子算法來增強各種人工智慧任務。隨著量子增強人工智慧的迅速建立，一個緊迫的基本問題自然出現了：量子人工智慧技術在各種攻擊下是否值得信賴？
經典神經網絡容易受到對抗性擾動的影響，例如，帶有小塗鴉的停車標誌可能會被誤分類為讓行標誌。最近的理論工作表明，量子神經網絡同樣具有脆弱性，這將給未來量子機器學習在安全場景中的應用帶來嚴重問題。由此，研究人員建立了量子對抗機器學習的基礎。
然而，從實驗上演示量子分類器的對抗例子，並顯示所提出的對抗措施在實踐中的有效性是具有挑戰性的，以前從未報導過。現在，由浙江大學王浩華、清華大學鄧東靈等組成的團隊克服了這些困難，並報告了用10個可編程超導量子比特陣列進行量子對抗學習的首次實驗演示。論文於11月28日發表在《自然·計算科學》上[1]。
值得一提的是，在最近舉辦的第三屆和第四屆「科學探索獎」頒獎典禮上，浙江大學王浩華教授榮獲「科學探索獎」數學物理學獎，獎金300萬人民幣。
王浩華，浙江大學物理學院教授、博士生導師
在這項工作中，通過優化器件製造和控制工藝，他們將這些量子比特的平均壽命提高到150 μs，同時單和雙量子比特門平均保真度分別大於99.94%和99.4%。這使其能夠成功地實現具有不同結構的大規模量子分類器，電路深度達到60，並且可訓練的變分參數數量超過250。他們使用大尺寸真實圖像(例如，醫用磁共振成像掃描)和高維量子數據(例如，熱和局域量子多體態)訓練這些分類器，通過測量一些可觀測值直接獲得量子梯度(梯度是一個向量)。
經過訓練，這些分類器可以在這些數據集上實現最先進的性能，測試準確率高達99%，並進一步證明，通過對抗性訓練，量子分類器將對相同攻擊策略產生的對抗性擾動免疫。
01
36量子比特處理器
該團隊展示了一個可編程量子處理器，它有36個超導transmon量子比特，排列在6×6的二維正方形上。圖1b中突出顯示的量子比特層和控制線層分別在藍寶石(頂部)和矽(底部)襯底上形成圖案，它們在倒裝結合過程中組裝在一起。量子分類器建立在用該處理器實現的大規模變分量子電路的基礎上。
他們將生成的對抗例子輸入到量子分類器中測試其性能。量子對抗學習的主要思想的示意圖如圖1所示。圖1a是用於硬化診斷的固定大腦半球的合法MRI(磁共振成像)掃描及其相應的對抗性示例，通過向原始圖像添加少量精心製作的擾動而獲得。圖1c顯示了對合法樣本和對抗樣本的預測。量子分類器將正確地將合法的MRI掃描識別為「惡性」(藍)，而錯誤地將相應的對抗性示例分類為具有高置信度的「良性」(紅)，其差別僅在於難以察覺的擾動量。
圖1 實驗量子對抗學習示意圖
為了演示量子對抗學習，他們在處理器中選擇了由10個量子比特組成的一維陣列，在量子比特初始化和操作的頻率下，其能量弛豫時間T1的範圍為131到173 μs。使用由多通道任意波形發生器(MOSTFIT MFAWG-08)產生的30 ns長的微波脈衝實現單量子比特XY旋轉，受控非(CNOT)門基於受控π相位(CZ)門加單量子比特旋轉。長60納秒的CZ門是通過仔細調諧量子比特的頻率和耦合強度來實現的。
圖2 實驗中使用的量子比特
由於在該團隊的實驗序列中，單量子比特(雙量子比特)門是在多個量子比特(量子比特對)上同時實現的，因此他們同時進行交叉熵基準測試來表徵門的性能，平均泡利錯誤約為0.08% (0.72%)。
圖3 10個量子比特的性能指標（表中第二行ηj/2π單位應為MHz）
02
量子對抗測試正確率99%
在實驗中，該團隊著重於對抗性訓練，並進行實驗，以證明其在實踐中的有效性。他們首先為每個合法樣本生成對抗性示例，然後將它們注入訓練集。他們用合法樣本和對抗樣本重新訓練量子分類器。在圖4a中，他們繪製了用於在合法和對抗集合上對MRI圖像進行分類的分類器的準確度，作為對抗訓練過程中的時間段的函數。
他們發現，在大約25個時間段後，兩個數據集的概率都會增加，並接近統一，這表明經過對抗性訓練的量子分類器變得對對抗性擾動免疫。更具體地說，在圖4b中繪製了隨機選擇的對抗示例(上圖)。該圖像將被原始量子分類器錯誤分類到「乳房」類別中，但在對抗訓練之後，它將被正確識別為「手」。這清楚地表明，對抗性訓練確實可以顯著增強量子分類器對對抗性擾動的魯棒性。
圖4 利用MRI圖像進行量子對抗訓練的實驗結果。a.在對抗訓練過程中每個階段的合法和對抗測試數據的準確性。b.量子分類器對抗訓練前後的對抗樣本圖像和相應的實驗輸出。
作者在最後表示，他們的結果不僅揭示了量子學習系統在對抗場景中的脆弱性，而且證明了防禦策略在實踐中應對對抗性攻擊的有效性，從而為實現可信賴的量子人工智慧做出了重要的實驗嘗試。隨著量子人工智慧這一新興領域的發展，他們的研究結果將在安全實際應用中被證明是有用的。
參考文獻：
[1]https://www.nature.com/articles/s43588-022-00351-9