隶属于美国多家机构（包括谷歌QUANTUM AI）的研究团队与澳大利亚研究人员，共同提出了一种理论，认为量子计算机在处理某些学习任务时，应比传统计算机速度更快。在论文中，该团队描述了他们在谷歌“悬铃木”SYCAMORE量子计算机上进行测试的理论和结果。
对此，荷兰莱顿大学副教授VEDRAN DUNJKO在同期《科学》杂志发表了一篇PERSPECTIVE前瞻性观点文章，概述了这一想法：将量子计算与机器学习相结合，以研发一个具有新水平的、基于计算机的学习系统。
机器学习是一种学习系统，其通过数据集训练过的计算机，对新数据进行基于一定信息的猜测。量子计算则涉及使用亚原子粒子来实现量子比特，以期比传统计算机更快执行应用程序。
用量子计算机直接处理量子数据的实验（右），可能比用经典计算机测量量子态并处理结果的传统实验（左）具有更大优势，图片来自谷歌QUANTUM AI HOOK
前述研究人员认为，用量子计算机直接处理量子数据的实验，可能比用经典计算机测量量子态并处理结果的传统实验具有更大优势。因此，他们提出在量子计算机上运行机器学习应用程序的想法，这或许可以使机器学习更好地进行学习，从而更具实用性。
为了验证前述想法是否可行，研究人员创新性地设计了一个机器学习任务，该任务可以通过多次重复的实验来进行学习。同时，他们提出了相关理论，以描述如何使用量子系统来进行实验，并从中学习。
研究人员表示，他们能够证明量子计算机在前述机器学习任务上，可以比经典计算系统表现更优异。团队构建了一个系统，并在谷歌“悬铃木”SYCAMORE量子计算机上进行了测试，通过使用40个超导量子比特和1300个量子门进行实验，证实了其理论。他们发现，量子计算机学习一个概念所需的实验次数比经典计算系统要低四个数量级，并且这种优势在预测物理系统的性质、执行量子主成分分析和学习物理动力学方面均得到了展示。
前述工作表明，如果实用量子计算机被开发出来，它也许能够以更大规模学习新事物。
Copyright © 2023 All Rights Reserved 版权所有 衡水舞蹈社团