量子机器学习为理解粒子碰撞提供了新的方法，图片来自《自然》网站。

刘霞

人工智能和量子计算机两大领域是当前技术界的热门研究领域，并且它们组合在一起形成的研究联盟，被称为“梦之队”。近日，《自然》杂志网站在报道中指出，科学家们正在探索这个未来计算联盟的巨大潜力，并试图理解它的影响将有多大。

引来多方科技企业注意

包括Google、IBM以及其他一些传统大型科技企业，也包括硅谷的初创企业如Rigetti Quantum 和 Ion Q，在努力推动量子机器学习技术的发展。

从事学术研究的科学家对此也感兴趣，欧洲核子研究中心（CERN）就是其中一个例子。这里的科学家是量子机器学习领域的先驱者，他们在大型强子对撞机的数据中寻找特定亚原子粒子的线索，并且利用了机器学习技术。在量子计算和机器学习的研究小组负责人的指导下，这些科学家正尝试使用量子计算机来加快或改进经典机器学习模型。

科学家试图探索一个关键问题：在某些情况下，量子机器学习是否比经典机器学习更有效？理论表明，利用量子计算模拟分子或寻找大整数的素数等任务时，量子计算机能够显著提升运算速度。然而研究人员目前尚未获取充足的数据和证据来证明机器学习也能具有如此效率。尽管无法证实传统计算机中未发现的现象能够在量子计算中出现，但部分科学家指出即使不能实现高速计算，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596量子机器学习依然可以识别出经典计算机未能捕获的某些模式。此外还有研究者特别关注将量子机器学习算法应用于特定的量子现象上。

麻省理工学院物理学家阿拉姆·哈鞣指出，在所有可能的量子机器学应用中，这个领域是“最具显著优势的”。

量子算法并非万能

在过去二十年中，许多量子计算专家致力于开发出一系列新的量子算法，这些算法能够提升机器学习的效率。2008年，由哈鞣等研究者一起发明了这项技术，该算法能够在求解大型线性方程组的过程中比传统电脑快得多。

但在某些情况下量子算法并没有表现那么好。2018年18岁的科学家唐乙文发明了一种新式可使用传统计算机完成的推荐算法。这种推荐算法相比之前的技术实现了指数级加速，击败了在同年设计出的一种量子机器学习算法。

唐乙文说：“我对此持怀疑态度。”

不过速度并不是判定量子人工智能系统优劣的标准之一。有迹象表明，在由机器学习驱动的量子计算机中，可学会识别模式并发现经典计算机难以捕捉到的数据关联。德意志电子同步加速器研究所（DESY）粒子物理实验室的卡尔·詹森解释说，这可能是因为量子纠缠在量子比特之间建立了联系，使得数据之间的关系变得显著，而经典的算法难以检测出这些关系。

如何最有效地发挥作用

改进量子机器学习技术以提高效能的手段有哪些呢?科学界目前想到的办法是以量子力学方法处理处于量子状态中的大量数据，从而避免通私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596过转换成为量子态来运用经典数据的做法。

科学界将量子态直接装载至量子机里的量子位上，并使用量子机器学习来探索规律，不需和经典世界交互。

麻省理工学院物理学家成功在谷歌公司的Sycamore量子计算机上演示了理论验证实验。他们模拟了一种抽象材料的行为，并且在处理后的另一部分处理器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，结果显示，这项技术测量和解析数据的速度比传统方法要快很多。

研究人员指出充分收集和分析量子数据，可以令物理学家以全新的方式解答经典上不能直接探讨的问题。例如某些材料是否能够成为超导体，这便是因为其处在量子态中，即具体的状态或位置无法被观测到的特殊状态。

在谈到粒子物理学家如何研究用量子传感器处理未来对撞机产生数据时，詹森指出，宇宙中的不同天体距离我们非常远，它们可借助于量子传感器收集数据。然后这些观测结果将通过未来的“量子互联网”传输到中央实验室中进行处理。

如果这项基于量子感应的应用被证实成功，那么该量子机器学习就可以用来在那些试验的结果，包括根据量子数据分析所得，发挥出作用。