近日，科學家提出量子計算機處理某些學習任務的速度可以超越經(jīng)典計算機。相關論文發(fā)表在《科學》(Science)雜志。
圖片來自《科學》(Science)
隸屬于美國多家機構（包括谷歌Quantum AI）的研究團隊與澳大利亞研究人員，共同提出了一種理論，認為量子計算機在處理某些學習任務時，應比傳統(tǒng)計算機速度更快。在論文中，該團隊描述了他們在谷歌“懸鈴木”Sycamore量子計算機上進行測試的理論和結果。
對此，荷蘭萊頓大學副教授Vedran Dunjko在同期《科學》雜志發(fā)表了一篇Perspective前瞻性觀點文章，概述了這一想法：將量子計算與機器學習相結合，以研發(fā)一個具有新水平的、基于計算機的學習系統(tǒng)。
機器學習是一種學習系統(tǒng)，其通過數(shù)據(jù)集訓練過的計算機，對新數(shù)據(jù)進行基于一定信息的猜測。量子計算則涉及使用亞原子粒子來實現(xiàn)量子比特，以期比傳統(tǒng)計算機更快執(zhí)行應用程序。
用量子計算機直接處理量子數(shù)據(jù)的實驗（右），可能比用經(jīng)典計算機測量量子態(tài)并處理結果的傳統(tǒng)實驗（左）具有更大優(yōu)勢，圖片來自谷歌Quantum AI Hook
前述研究人員認為，用量子計算機直接處理量子數(shù)據(jù)的實驗，可能比用經(jīng)典計算機測量量子態(tài)并處理結果的傳統(tǒng)實驗具有更大優(yōu)勢。因此，他們提出在量子計算機上運行機器學習應用程序的想法，這或許可以使機器學習更好地進行學習，從而更具實用性。
為了驗證前述想法是否可行，研究人員創(chuàng)新性地設計了一個機器學習任務，該任務可以通過多次重復的實驗來進行學習。同時，他們提出了相關理論，以描述如何使用量子系統(tǒng)來進行實驗，并從中學習。
研究人員表示，他們能夠證明量子計算機在前述機器學習任務上，可以比經(jīng)典計算系統(tǒng)表現(xiàn)更優(yōu)異。團隊構建了一個系統(tǒng)，并在谷歌“懸鈴木”Sycamore量子計算機上進行了測試，通過使用40個超導量子比特和1300個量子門進行實驗，證實了其理論。他們發(fā)現(xiàn)，量子計算機學習一個概念所需的實驗次數(shù)比經(jīng)典計算系統(tǒng)要低四個數(shù)量級，并且這種優(yōu)勢在預測物理系統(tǒng)的性質、執(zhí)行量子主成分分析和學習物理動力學方面均得到了展示。
前述工作表明，如果實用量子計算機被開發(fā)出來，它也許能夠以更大規(guī)模學習新事物。
