导读最近,科学家提出量子计算机可以比经典计算机更快地处理一些学习任务。相关论文发表在《科学》杂志上。
最近,科学家提出量子计算机可以比经典计算机更快地处理一些学习任务。相关论文发表在《科学》杂志上。
美国几个机构(包括谷歌量子AI)的研究团队和澳大利亚的研究人员共同提出了一个理论,量子计算机在处理某些学习任务时应该比传统计算机更快。在论文中,该团队描述了他们在谷歌Sycamore量子计算机“Sycamore”上测试的理论和结果。
对此,荷兰莱顿大学副教授维德兰·邓伊科同期在《科学》杂志上发表了一篇透视性的前瞻性文章,概述了将量子计算与机器学习相结合,开发新水平的基于计算机的学习系统的想法。
机器学习(Machine learning)是一种学习系统,利用数据集训练的计算机,根据一定的信息来猜测新的数据。量子计算涉及使用亚原子粒子来实现量子位,以便比传统计算机更快地执行应用程序。
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有更大的优势。因此,他们提出了在量子计算机上运行机器学习应用的想法,这可能会使机器学习变得更好,更实用。
为了验证上述想法的可行性,研究人员创新性地设计了一个机器学习任务,可以通过反复实验来学习。同时,他们提出了相关理论来描述如何利用量子系统进行实验并从中学习。
研究人员表示,他们可以证明量子计算机在前述机器学习任务中的表现优于经典计算系统。该团队构建了一个系统,并在谷歌Sycamore量子计算机上进行测试,其理论通过使用40个超导量子位和1300个量子门的实验得到了证实。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低4个数量级,这一优势在预测物理系统的性质、进行量子主成分分析和学习物理动力学中得到了展示。
上述工作表明,如果开发出实用的量子计算机,它可能能够在更大范围内学习新的东西。