人工智能與(yu) 量子計算攜手

　　量子機器學習(xi) 未來潛力有多大

　　【科技創新世界潮】

　　◎本報記者 劉 霞

　　基於(yu) 機器學習(xi) 的人工智能和量子計算機可謂技術界的兩(liang) 大熱門研究領域。它們(men) 攜手組成的“夢之隊”被科學家稱為(wei) 量子機器學習(xi) 。英國《自然》雜誌網站在近日的報道中指出，科學家正在探索這個(ge) 未來計算聯盟的潛力，也試圖洞悉其將在多大程度上改變或者重塑科學的麵貌。

　　引各方科技企業(ye) 關(guan) 注

　　包括穀歌和IBM等在內(nei) 的老牌科技巨頭，以及位於(yu) 美國加州的Rigetti和馬裏蘭(lan) 州的IonQ等初創公司，都在研究量子機器學習(xi) 的潛力。

　　從(cong) 事學術研究的科學家對此也興(xing) 趣盎然。歐洲核子研究中心(CERN)的科學家是量子機器學習(xi) 領域的先驅者。他們(men) 已使用機器學習(xi) 尋找大型強子對撞機生成的數據中的某些亞(ya) 原子粒子的“蛛絲(si) 馬跡”。CERN量子計算和機器學習(xi) 研究小組負責人、物理學家索菲亞(ya) ·瓦萊科薩表示，他們(men) 希望使用量子計算機來加快或改進經典機器學習(xi) 模型。

　　科學家試圖回答一個(ge) 大問題：在某些情況下，量子機器學習(xi) 是否比經典機器學習(xi) 更具優(you) 勢？理論表明，對於(yu) 模擬分子或尋找大整數的素數等任務，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，證明機器學習(xi) 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(xi) 也可發現經典計算機遺漏的某些模式。還有一些研究人員則重點關(guan) 注將量子機器學習(xi) 算法應用於(yu) 某些量子現象。

　　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(xi) 的所有擬議應用中，這是“具有相當明顯量子優(you) 勢的領域”。

　　量子算法並非萬(wan) 能

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

　　但在某些情況下，量子算法的表現並沒有那麽(me) 出色。2018年，18歲的計算機科學家唐乙文發明了一個(ge) 新的可在傳(chuan) 統計算機上運行並完成計算的推薦算法。這種算法與(yu) 之前的推薦算法相比，實現了指數級加速，並擊敗了2016年設計的一種量子機器學習(xi) 算法。

　　唐乙文表示，對於(yu) 任何有關(guan) 量子算法可加速機器學習(xi) 的說法，她秉持“非常懷疑”的態度。

　　不過，運算速度並非是評判量子算法優(you) 劣的唯一標準。有跡象表明，由機器學習(xi) 驅動的量子人工智能係統可學會(hui) 識別出數據中的模式，而經典的人工智能係統會(hui) 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(wei) 量子糾纏在量子比特之間，從(cong) 而讓數據之間建立了關(guan) 聯，而經典算法很難檢測出這些關(guan) 聯。

　　如何更好發揮作用

　　如何讓量子機器學習(xi) 更好發揮作用？科學家目前想到的解決(jue) 辦法是：對處於(yu) 量子狀態的數據使用量子機器學習(xi) 算法，可避開將經典數據轉化為(wei) 量子態這一過程。

　　科學家將這些量子態直接加載到量子計算機的量子比特上，然後使用量子機器學習(xi) 來發現模式，而無需與(yu) 經典係統產(chan) 生交集。

　　麻省理工學院物理學家在穀歌Sycamore量子計算機上對此進行了原理驗證實驗。他們(men) 用一些量子比特模擬一種抽象材料的行為(wei) ，處理器的另一部分隨後從(cong) 這些量子比特中獲取信息，並使用量子機器學習(xi) 對其進行分析。研究發現，這項技術測量和分析數據的速度比傳(chuan) 統方法快很多。

　　研究人員指出，充分收集和分析量子數據，可使物理學家解決(jue) 經典測量隻能間接回答的問題。如某種材料是否處於(yu) 特定的量子態，從(cong) 而使其成為(wei) 超導體(ti) 。

　　詹森指出，粒子物理學家也在研究使用量子傳(chuan) 感器處理未來粒子對撞機產(chan) 生的數據。相距遙遠的天文台也可使用量子傳(chuan) 感器收集數據，並通過未來的“量子互聯網”傳(chuan) 輸到中央實驗室，在量子計算機上進行處理。

　　如果這種量子傳(chuan) 感應用被證明是成功的，那麽(me) 量子機器學習(xi) 就可在這些實驗的測量結果，以及分析由此產(chan) 生的量子數據方麵發揮作用。