称之为未来计算的复仇者。把两个技术术语--机器学习和量子计算机--放在一起,你就会得到量子机器学习。喜欢漫画书和电影这将全明星的超级英雄们聚集在一起建立一支梦幻团队,结果很可能会吸引很多人的注意。但是在科技方面,就像在小说中一样,想出一个好的情节是很重要的。 
如果量子计算机能够在足够大的规模上被制造出来,它们就会通过利用亚原子世界的独特特性,比普通数字电子更有效地解决某些问题。多年来,研究人员一直在想,这些问题是否包括机器学习(人工智能的一种形式),即计算机被用来发现数据的模式,以及学习在不熟悉的情况下可以用来进行推论的规则。
如今,随着人工智能系统它依靠机器学习来提供动力令人毛骨悚然的人类对话通过推断文本中单词之间的关系,以及量子计算机规模和功率的快速增长这两种技术都在大步前进。把两者结合起来会有什么好处吗?
繁荣的利息
许多科技公司,包括谷歌和IBM等老牌公司,以及加州伯克利的瑞格提和马里兰大学公园的ionq,都在研究量子机器学习的潜力。学术界的科学家也有强烈的兴趣。
瑞士日内瓦外的欧洲粒子物理实验室CEN已经利用机器学习来寻找在大型强子对撞机产生的数据中已经产生了某些亚原子粒子的迹象。科学家中有一些正在进行量子机器学习实验的学者。 "我们的想法是利用量子计算机来加速或改进经典的机器人电子学习模型,"物理学家索非亚·瓦列科萨说,他领导着欧洲核研究中心的一个量子计算和机器人电子学习研究小组。
没有答案的一个大问题是,量子机器学习是否比经典的多样性更有优势。理论表明,对于专门的计算任务,例如模拟分子或寻找大整数的主要因素,量子计算机将加速计算否则会比宇宙的年龄更长。但是研究人员仍然缺乏足够的证据证明机器学习就是这种情况。其他人说,量子机器学习可以发现经典计算机忽略的模式--即使它速度不快。 南非德班的物理学家玛莉亚·舒尔德说,研究人员对量子机器学习的态度在两个极端之间发生了转变。总部位于加拿大多伦多的量子计算公司Xanadu的施科德说,人们对这一方法的兴趣很高,但研究人员似乎越来越因为短期应用的前景不容乐观。 一些研究人员正开始将他们的注意力转向将量子机器电子学习算法应用于固有量子现象的想法。剑桥麻省理工学院的物理学家阿拉姆·哈罗说,在量子机器学习的所有应用中,这是"有相当明显的量子优势的领域"。
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出了大量的量子算法,理论上可以使机器学习更有效。在2008年的一项重大成果中,哈洛与麻省理工学院的物理学家塞思劳埃德和阿维纳坦哈西迪(现以色列拉马特甘的巴伊兰大学)一起发明了量子算法。1那是在求解大量线性方程组上比经典计算机更快这是机器学习的核心挑战之一。 但在某些情况下,量子算法的承诺并没有实现。一个引人注目的例子发生在2018年,当时计算机科学家艾文·唐发现 击败量子机器电子学习算法的方法在2016年诞生。量子算法的设计是为了提供这样一种建议,即互联网购物公司和诸如网飞公司等服务根据客户以前的选择向他们提供建议--它在提供这些建议方面的速度比任何已知的经典算法都快得多。 当时,唐是德克萨斯大学奥斯汀分校的一名18岁的本科生,他写了一个几乎同样快的算法,但是可以在普通计算机上运行。
量子计算机推荐是一个罕见的例子,它似乎在实际问题上提供了显著的速度提升,所以她的工作"使实际机器电子学习问题的指数量子加速的目标变得比以前更远了",唐氏的顾问,UT量子计算机研究员斯科特阿伦森说。现在在加州大学伯克利分校工作的唐女士说,她对任何关于机器学习中的重大加速的说法仍然"相当怀疑"。 一个更大的潜在问题是,经典数据和量子计算并不总是很好地混合在一起。粗略地说,一个典型的量子计算应用程序有三个主要步骤。首先,量子计算机被初始化,这意味着它的单个存储单元,称为量子位或量子位,被置于一个集体纠缠的量子态中。接下来,计算机执行一系列操作,这是对经典比特进行逻辑操作的量子模拟。在第三步,计算机执行一个读取,例如通过测量一个量子运算结果的信息的一个量子比特的状态。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。
最薄的稻草
哈洛算法、哈西迪姆算法和劳埃德算法等算法有望加速第二步--量子运算。但在许多应用中,第一和第三步可能非常缓慢, 否定这些收益 3 .初始化步骤要求将"经典"数据加载到量子计算机上,并将其转化为量子状态,这通常是一个低效的过程。而且由于量子物理学本身就是概率的,所以读数通常具有随机性,在这种情况下,计算机必须重复所有三个阶段多次,平均结果才能得到最终的答案。
西雅图华盛顿大学的量子计算研究员内森维贝说,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。"我们只能从最薄的吸管中吸收这些信息,"维贝说。 在量子机器上说 - 学习班 十月份。 "当你问几乎所有的研究人员量子计算机将擅长什么应用程序时,答案是,'也许,不是经典数据',"Schle说。"到目前为止,没有真正的理由相信经典数据需要量子效应。"
瓦列科萨和其他人说,速度不是衡量量子算法的唯一标准。还有迹象表明,由机器学习提供动力的量子人工智能系统可以学习识别数据中经典对应方可能忽略的模式。这可能是因为量子纠缠建立了量子比特之间的相互关系,因此也建立了数据点之间的相互关系,德国佐安市DESY粒子物理实验室的物理学家卡尔·詹森说。他说:"我们希望能够检测到数据中的相关性,而这些相关性很难用经典算法来检测。"
但阿龙森不同意。量子计算机遵循众所周知的物理定律,因此,只要有足够的时间,它们的工作原理和量子算法的结果是普通计算机完全可以预测的。"因此,唯一感兴趣的问题是量子计算机是否比完美的经典模拟速度更快,"奥伦森说。
基本量子变化
另一种可能性是通过对已经是量子的数据使用量子机器电子学习算法,来回避完全翻译经典数据的障碍。 在量子物理学的整个历史中,对量子现象的测量被定义为使用一种在宏观的、经典的世界中"生活"的仪器进行数值读取。但是,有一种新的想法涉及到一种新生的技术,即所谓的量子感知,它允许用纯粹的量子仪器测量系统的量子特性。将这些量子态直接加载到量子计算机的量子位位上,然后量子机器学习就可以用来在没有任何传统系统接口的情况下识别模式。
麻省理工学院的物理学家、谷歌的研究员黄欣元说,在机器学习方面,这可能比收集量子测量数据的系统具有很大的优势。"我们的世界本质上就是量子力学。他说:"如果你想拥有能够学习的量子机器,它可能会更强大。" 黄和他的合作者在一个实验中做了一个原则性实验 谷歌的无花果量子计算机 4 .他们用一些量子位来模拟一种抽象材料的行为。然后,处理器的另一部分从这些量子位数据中获取信息,并利用量子机器学习对其进行分析。研究人员发现这项技术的指数比传统的测量和数据分析快。
是超导体吗?
黄说,在量子世界中充分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。一个这样的问题是,某一物质是否处于特定的量子状态,使其成为超导体--能够以几乎为零的电阻导电。经典的实验要求物理学家通过测试材料对磁场的响应来间接证明超导性。 粒子物理学家也在研究如何利用量子传感来处理未来粒子对撞机产生的数据,比如在拉西,一个将把电子和光子粉碎在一起的DESY实验,詹森说--尽管这个想法至少还需要十年才能实现,他补充道。遥远的天文台也可能使用量子传感器收集数据并通过 未来的"量子互联网" --去中央实验室处理量子计算机。希望这能使图像获得无与伦比的清晰度。
如果这种量子感知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和分析结果的量子数据方面发挥作用。 归根结底,量子计算机能否为机器学习提供优势将取决于实验,而不是通过数学证明它们的优越性--或缺乏优越性。"我们不能指望一切都能以理论计算机科学的方式得到证明,"哈罗说。 "我当然认为量子机器学习仍然值得学习,"阿伦森说,"不管它是否提高了效率。"斯科同意。"我们需要在没有证明加速的限制下进行研究,至少在一段时间内是这样。"
