人工智能与量子计算携手 量子机器学习未来潜力有多大
人工智能与量子计算携手
量子机器学习未来潜力有多大
【科技创新世界潮】
◎本报记者 刘 霞
基于机器学习的人工智能和量子计算机可谓技术界的两大热门研究领域。它们携手组成的“梦之队”被科学家称为量子机器学习。英国《自然》杂志网站在近日的报道中指出,科学家正在探索这个未来计算联盟的潜力,也试图洞悉其将在多大程度上改变或者重塑科学的面貌。
引各方科技企业关注
包括谷歌和IBM等在内的老牌科技巨头,以及位于美国加州的Rigetti和马里兰州的IonQ等初创公司,都在研究量子机器学习的潜力。
从事学术研究的科学家对此也兴趣盎然。欧洲核子研究中心(CERN)的科学家是量子机器学习领域的先驱者。他们已使用机器学习寻找大型强子对撞机生成的数据中的某些亚原子粒子的“蛛丝马迹”。CERN量子计算和机器学习研究小组负责人、物理学家索菲亚·瓦莱科萨表示,他们希望使用量子计算机来加快或改进经典机器学习模型。
科学家试图回答一个大问题:在某些情况下,量子机器学习是否比经典机器学习更具优势?理论表明,对于模拟分子或寻找大整数的素数等任务,量子计算机可提升计算速度。但研究人员仍然缺乏足够证据,证明机器学习也能如此。不过,有些科学家指出,即使无法提升运算速度,量子机器学习也可发现经典计算机遗漏的某些模式。还有一些研究人员则重点关注将量子机器学习算法应用于某些量子现象。
美国麻省理工学院物理学家阿拉姆·哈鞣表示,在量子机器学习的所有拟议应用中,这是“具有相当明显量子优势的领域”。
量子算法并非万能
在过去20年里,量子计算研究人员开发了大量量子算法,这些算法理论上可提高机器学习的效率。2008年,哈鞣等人携手发明了一种量子算法,该算法在求解大型线性方程组方面比经典计算机快数倍。
但在某些情况下,量子算法的表现并没有那么出色。2018年,18岁的计算机科学家唐乙文发明了一个新的可在传统计算机上运行并完成计算的推荐算法。这种算法与之前的推荐算法相比,实现了指数级加速,并击败了2016年设计的一种量子机器学习算法。
唐乙文表示,对于任何有关量子算法可加速机器学习的说法,她秉持“非常怀疑”的态度。
不过,运算速度并非是评判量子算法优劣的唯一标准。有迹象表明,由机器学习驱动的量子人工智能系统可学会识别出数据中的模式,而经典的人工智能系统会错过这些模式。德国电子同步加速器研究所(DESY)粒子物理实验室的卡尔·詹森解释称,这可能是因为量子纠缠在量子比特之间,从而让数据之间建立了关联,而经典算法很难检测出这些关联。
如何更好发挥作用
如何让量子机器学习更好发挥作用?科学家目前想到的解决办法是:对处于量子状态的数据使用量子机器学习算法,可避开将经典数据转化为量子态这一过程。
科学家将这些量子态直接加载到量子计算机的量子比特上,然后使用量子机器学习来发现模式,而无需与经典系统产生交集。
麻省理工学院物理学家在谷歌Sycamore量子计算机上对此进行了原理验证实验。他们用一些量子比特模拟一种抽象材料的行为,处理器的另一部分随后从这些量子比特中获取信息,并使用量子机器学习对其进行分析。研究发现,这项技术测量和分析数据的速度比传统方法快很多。
研究人员指出,充分收集和分析量子数据,可使物理学家解决经典测量只能间接回答的问题。如某种材料是否处于特定的量子态,从而使其成为超导体。
詹森指出,粒子物理学家也在研究使用量子传感器处理未来粒子对撞机产生的数据。相距遥远的天文台也可使用量子传感器收集数据,并通过未来的“量子互联网”传输到中央实验室,在量子计算机上进行处理。
如果这种量子传感应用被证明是成功的,那么量子机器学习就可在这些实验的测量结果,以及分析由此产生的量子数据方面发挥作用。
相关推荐
黑龙江饶河再现野生东北虎足迹
四川内江市市中区发生3.2级地震 震源深度10千米
海南将迎来春节前出岛车客高峰 各港口出岛秩序总体平稳
(新春走基层)“喜迎全运会 瑞蛇贺新春”新春庙会在广州举行
羊角把、牛角、十字扣,春运涨知识→小设计大用途
岁暮冰嬉 寒尽春生 这些“速度与激情”谁看了不想玩一把?
“家门口能挣钱,好日子有盼头”(新春走基层)
国家中医药局:九成以上三级妇幼保健院设置中医类临床科室
湖南零陵腊肉飘香年味浓 供销两旺助增收
春节临近 你的家乡举办哪些活动?一起来寻找年味儿→
新春走基层丨让每一盏车灯都安然明亮 他们是“魔鬼风口”的风雪护路人
中国将386.7万家固定污染源纳入排污许可管理
- 最近发表
-
- 随机阅读
-
- 乳癌新研究力破“三阴”治疗困局
- 锐意进取开新局 2025双汇生鲜品厂商发展研讨会在深圳召开
- 以军称一天内打击超450个哈马斯军事目标
- 港股假期暴涨过后调整:恒指一度跌超3%,内房股、券商股大跌
- 韩总统室:无法公开韩日首脑会谈具体内容
- 唐蕃古道上的千年傩舞:尽显西羌遗韵
- 甘肃网民达1693万人:网络安全教育“从娃娃抓起”
- 漫步最美街巷玩转白塔“妙”会 2024“白塔夜话”文化系列活动开幕
- 中国国家级非物质文化遗产项目豫园灯会亮相法国巴黎
- 亚洲国际集约化畜牧展览会“圈粉”海内外客商
- 博物馆这十年:如此深厚 又如此青春
- 黑龙江省伊春市人大常委会副厅级干部李光接受审查调查
- 39元的瑞士卷被炒到120元,网红品牌陷争议
- 国家图书馆举办梁启超诞辰150周年纪念朗诵音乐沙龙
- 四川:2024年省内绿电交易电量突破50亿千瓦时
- 国内煤炭需求同比较快增长 煤电兜底保障能力持续增强
- 到2025年深圳人均预期寿命84.53岁
- 中国专家最新研究为肾癌早期诊断、精准治疗提供新策略
- 世贸组织三十年:让更多企业和个人在世界经济繁荣中获益
- 能源专家警告称南非今冬供电面临巨大挑战
- 热门推荐
-
- 第五届中国西藏旅游文化国际博览会聚焦青藏高原生态文明建设
- (寻味中华 | 文博)品明清御瓷:诗、书、画、印皆入瓷
- 中新自由贸易协定再升级
- 吉林农安黑土地保护性耕作正当时
- 在传承中创新 中央美术学院赋能固安非遗呈现艺术化“新景观”
- 中新健康|专家:两类人群呼吸道感染容易发展成危重症
- 首届上海国际马文化周启幕 中国内地将首次举行欧洲马匹拍卖
- 全球首台16兆瓦海上风电机组在福建海上风电场完成吊装
- 福建漳州海警局全面筑牢防台“警戒线”
- 山西稷山回应丢弃救灾物资:责令整改
- 探访甘肃古浪富民新村“蝶变”之路
- 湖南举办油茶节 推动油茶产业振兴乡村
- 乌克兰任命新外长等多名内阁成员
- 没有退路,就是胜利之路!2024,见证原生鸿蒙速度
- 比特币价格走高风险上升
- 非遗“牵手”鲁味旅游 山东推动“诗和远方”长相守
- 昆剧《国风》将演 再颂爱国诗篇
- 山西太原启动商品房“以旧换新” 鼓励国有企业收购旧房源
- 上海民众“冬病夏治”忙驱身体寒湿、治疗“老寒腿”
- 国家开发银行上半年发放能源领域贷款3461亿元