机器学习和量子计算机——放在一起，你就得到了量子机器学习。如果量子计算机以足够大的规模建造，它们有望通过利用亚原子世界的独特性质，比普通数字电子产品更有效解决某些问题。
现在，随着备受瞩目的人工智能系统 ChatGPT的发布，该系统依靠机器学习，通过推断文本中单词之间的关系来支持其怪异的类人对话，并且随着量子计算机的规模和能力的快速增长，技术正在取得长足进步。
量子计算与机器学习
机器学习是人工智能的一个关键领域，它涉及从数据中学习和提取模式，以做出预测和决策。传统的机器学习算法需要大量的计算资源，特别是在处理大规模数据集时。量子计算可以提供加速这些计算的潜力，从而使机器学习模型更快地训练和优化。
一种被广泛讨论的应用是量子机器学习（Quantum Machine Learning，QML），它利用量子计算的特性来改善机器学习算法。例如，量子计算可以在搜索问题中实现指数级加速，这对于大规模数据的搜索非常有用。此外，QML还有助于解决传统计算机上难以处理的问题，如量子化学模拟，这对于药物发现等领域具有重要意义。
量子算法有帮助吗？
在过去的 20 年里，量子计算研究人员开发了大量量子算法，理论上可以提高机器学习的效率。在 2008 年的一项开创性成果中，Harrow 与麻省理工学院物理学家 Seth Lloyd 和 Avinatan Hassidim（现就职于以色列拉马特甘的 Bar-Ilan 大学）一起发明了一种量子算法，该算法在解决大型线性问题时比传统计算机要快得多。方程，机器学习的核心挑战之一。
一个备受瞩目的例子发生在 2018 年，当时计算机科学家 Ewin Tang 找到了一种方法来击败 2016 年设计的量子机器学习算法。该量子算法旨在提供类似 Netflix 等互联网购物公司和服务的建议类型根据客户之前的选择向他们提供信息——而且它提出此类建议的速度比任何已知的经典算法都要快得多。
一个潜在的更大问题是经典数据和量子计算并不总是能很好地结合在一起。粗略地说，典型的量子计算应用程序具有三个主要步骤。首先，量子计算机被初始化，这意味着它的各个存储单元（称为量子位或量子位）被置于集体纠缠量子态中。接下来，计算机执行一系列操作，这是经典位上逻辑操作的量子模拟。在第三步中，计算机执行读出，例如通过测量携带有关量子运算结果的信息的单个量子位的状态。比如说，这可能是机器内部的给定电子是顺时针旋转还是逆时针旋转。
最细的吸管
Harrow、Hassidim 和 Lloyd 等算法有望加快第二步——量子运算。但在许多应用中，第一步和第三步可能非常慢，并且会抵消这些收益。初始化步骤需要将“经典”数据加载到量子计算机上并将其转换为量子态，这通常是一个低效的过程。
而且由于量子物理学本质上是概率性的，因此读数通常具有随机性，在这种情况下，计算机必须多次重复所有三个阶段并对结果进行平均才能得到最终答案。
西雅图华盛顿大学量子计算研究员 Nathan Wiebe 表示，一旦量子化数据被处理成最终的量子态，也可能需要很长时间才能得到答案。“我们只能从最细的吸管中吸取信息，”韦贝在 10 月份的量子机器学习研讨会上说道。
它是超导体吗？
在量子世界中完全收集和分析数据可以使物理学家解决经典测量只能间接回答的问题。其中一个问题是，某种材料是否处于某种特定的量子态，从而使其成为超导体——能够以几乎为零的电阻导电。经典实验要求物理学家间接证明超导性，例如通过测试材料对磁场的响应方式。
粒子物理学家也在研究使用量子传感来处理未来粒子对撞机产生的数据，例如 LUXE，这是一个将电子和光子粉碎在一起的 DESY 实验，Jensen 说，尽管这个想法距离实现至少还需要十年的时间，他补充道。彼此相距较远的天文台也可能使用量子传感器来收集数据，并通过未来的“量子互联网”将数据传输到中央实验室，以便在量子计算机上进行处理。希望这能够以无与伦比的清晰度捕获图像。
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以在结合这些实验的测量结果并分析所得的量子数据方面发挥作用。
本文转自：华微科普网，转载此文目的在于传递更多信息，版权归原作者所有。如不支持转载，请联系小编demi@eetrend.com删除。
