配音:香草山媒体部 – 纳米

6月22日,谷歌、加州理工学院、哈佛大学、伯克利大学和微软的研究人员合作在《科学》杂志上发表论文,证明了量子机器学习算法比最好的经典算法有指数级优势。

目前现有的机器学习算法,可以分析和归纳数据,但不适用于访问和学习量子信息。量子机器学习建立在量子计算机和量子传感器之上的技术。量子机器学习算法根据量子数据进行计算。量子计算机可以存储量子数据,再由量子机器学习算法来处理数据,而不是测量量子状态,因此不会导致量子态塌缩。

量子机器学习可以首先保存多个量子比特状态的副本,然后将其与下一个出现的副本纠缠在一起,就可以更快地了解全局量子态。在谷歌的量子处理器上进行的原则性的证明实验中,达到70%预期精度时,量子学习算法需要的实验数量成倍减少——当系统规模为20个量子比特时,相当于减少10000次测量。

研究人员指出,到目前为止,该技术只被用于一个预设的 “原则性证明” 实验,即故意产生量子态。为了在真正的实验中使用这些技术进行量子增强测量,首先需要提高当前的量子传感器技术和方法,从而将量子态真实地转移到量子计算机中。

文字版原文:量子机器学习展现指数级优势

音频处理:Fei797
发稿:Fei797