亚洲二区三区在线,久久久久高清毛片一级,亚洲综合一区二区三区不卡,中文不卡av

目前包括谷歌和IBM等在內(nèi)的老牌科技巨頭，以及位于美國加州的Rigetti和馬里蘭州的IonQ等初創(chuàng)公司，都在研究量子機器學習的潛力。

圖為通過量子機器學習增加對粒子對撞的理解（藝術(shù)渲染圖）。

圖片來源：《自然》網(wǎng)站

科技日報記者 劉 霞

基于機器學習的人工智能和量子計算機可謂技術(shù)界的兩大熱門研究領(lǐng)域。它們攜手組成的“夢之隊”被科學家稱為量子機器學習。英國《自然》雜志網(wǎng)站在近日的報道中指出，科學家正在探索這個未來計算聯(lián)盟的潛力，也試圖洞悉其將在多大程度上改變或者重塑科學的面貌。

引各方科技企業(yè)關(guān)注

包括谷歌和IBM等在內(nèi)的老牌科技巨頭，以及位于美國加州的Rigetti和馬里蘭州的IonQ等初創(chuàng)公司，都在研究量子機器學習的潛力。

從事學術(shù)研究的科學家對此也興趣盎然。歐洲核子研究中心（CERN）的科學家是量子機器學習領(lǐng)域的先驅(qū)者。他們已使用機器學習尋找大型強子對撞機生成的數(shù)據(jù)中的某些亞原子粒子的“蛛絲馬跡”。CERN量子計算和機器學習研究小組負責人、物理學家索菲亞·瓦萊科薩表示，他們希望使用量子計算機來加快或改進經(jīng)典機器學習模型。

科學家試圖回答一個大問題：在某些情況下，量子機器學習是否比經(jīng)典機器學習更具優(yōu)勢？理論表明，對于模擬分子或?qū)ふ掖笳麛?shù)的素數(shù)等任務(wù)，量子計算機可提升計算速度。但研究人員仍然缺乏足夠證據(jù)，證明機器學習也能如此。不過，有些科學家指出，即使無法提升運算速度，量子機器學習也可發(fā)現(xiàn)經(jīng)典計算機遺漏的某些模式。還有一些研究人員則重點關(guān)注將量子機器學習算法應(yīng)用于某些量子現(xiàn)象。

美國麻省理工學院物理學家阿拉姆·哈鞣表示，在量子機器學習的所有擬議應(yīng)用中，這是“具有相當明顯量子優(yōu)勢的領(lǐng)域”。

量子算法并非萬能

在過去20年里，量子計算研究人員開發(fā)了大量量子算法，這些算法理論上可提高機器學習的效率。2008年，哈鞣等人攜手發(fā)明了一種量子算法，該算法在求解大型線性方程組方面比經(jīng)典計算機快數(shù)倍。

但在某些情況下，量子算法的表現(xiàn)并沒有那么出色。2018年，18歲的計算機科學家唐乙文發(fā)明了一個新的可在傳統(tǒng)計算機上運行并完成計算的推薦算法。這種算法與之前的推薦算法相比，實現(xiàn)了指數(shù)級加速，并擊敗了2016年設(shè)計的一種量子機器學習算法。

唐乙文表示，對于任何有關(guān)量子算法可加速機器學習的說法，她秉持“非常懷疑”的態(tài)度。

不過，運算速度并非是評判量子算法優(yōu)劣的唯一標準。有跡象表明，由機器學習驅(qū)動的量子人工智能系統(tǒng)可學會識別出數(shù)據(jù)中的模式，而經(jīng)典的人工智能系統(tǒng)會錯過這些模式。德國電子同步加速器研究所（DESY）粒子物理實驗室的卡爾·詹森解釋稱，這可能是因為量子糾纏在量子比特之間，從而讓數(shù)據(jù)之間建立了關(guān)聯(lián)，而經(jīng)典算法很難檢測出這些關(guān)聯(lián)。

如何更好發(fā)揮作用

如何讓量子機器學習更好發(fā)揮作用？科學家目前想到的解決辦法是：對處于量子狀態(tài)的數(shù)據(jù)使用量子機器學習算法，可避開將經(jīng)典數(shù)據(jù)轉(zhuǎn)化為量子態(tài)這一過程。

科學家將這些量子態(tài)直接加載到量子計算機的量子比特上，然后使用量子機器學習來發(fā)現(xiàn)模式，而無需與經(jīng)典系統(tǒng)產(chǎn)生交集。

麻省理工學院物理學家在谷歌Sycamore量子計算機上對此進行了原理驗證實驗。他們用一些量子比特模擬一種抽象材料的行為，處理器的另一部分隨后從這些量子比特中獲取信息，并使用量子機器學習對其進行分析。研究發(fā)現(xiàn)，這項技術(shù)測量和分析數(shù)據(jù)的速度比傳統(tǒng)方法快很多。

研究人員指出，充分收集和分析量子數(shù)據(jù)，可使物理學家解決經(jīng)典測量只能間接回答的問題。如某種材料是否處于特定的量子態(tài)，從而使其成為超導(dǎo)體。

詹森指出，粒子物理學家也在研究使用量子傳感器處理未來粒子對撞機產(chǎn)生的數(shù)據(jù)。相距遙遠的天文臺也可使用量子傳感器收集數(shù)據(jù)，并通過未來的“量子互聯(lián)網(wǎng)”傳輸?shù)街醒雽嶒炇遥诹孔佑嬎銠C上進行處理。

如果這種量子傳感應(yīng)用被證明是成功的，那么量子機器學習就可在這些實驗的測量結(jié)果，以及分析由此產(chǎn)生的量子數(shù)據(jù)方面發(fā)揮作用。