机器学习|机器学习获得量子加速算法|量子计算机|芯片|重器

文章图片

两个团队展示了量子方法如何比经典计算机更快地解决问题，使物理学和计算机科学更紧密地结合在一起。

在Valeria Saggio的维也纳实验室，她将单光子激光器引导到一个特殊的量子电路中，以展示量子物理学的变幻莫测如何改善机器学习。
Valeria Saggio要在她以前的维也纳实验室启动计算机，她需要一个特殊的水晶，只有她的指甲那么大。 Saggio会把它轻轻地放在一个小铜盒里，一个小电烤箱，可以将晶体加热到华氏77度。然后，她会打开激光器，用光子束轰炸水晶。
在这种精确的温度下，这种晶体会将其中一些光子分裂成两个光子。其中之一将直接进入光探测器，其旅程结束；另一个将进入微型硅芯片——量子计算处理器。芯片上的微型仪器可以将光子推向不同的路径，但最终只有两种结果：正确的方法和许多错误的方式。根据结果，她的处理器可以选择其他路径并重试。
这个序列感觉比Windows更像Rube Goldberg ，但目标是让量子计算机自学一项任务：找到正确的出路。对于几周前搬到麻省理工学院的量子物理学家Saggio来说，该项目类似于将机器人插入迷宫。计算机必须在事先不知道沿途向哪里转弯的情况下学习正确的路径。这并不是一件苦差事——一台普通的经典计算机可能会强行穿过死胡同和幸运的猜测。但Saggio想知道：“量子力学能有所帮助吗？”她和她的合作者去年表明，这是可以的。
这是一个很酷的实验，但这项工作还回答了一个长期存在的问题，即量子物理学是否为机器学习提供了任何真正的优势，机器学习是人工智能的子领域，允许计算机在数据中查找和应用模式。物理学家和计算机科学家长期以来一直在寻找这种“量子加速”的证据。在7月发表的另一项研究中， IBM研究人员证明，量子计算机可以学习对数据进行分类，这是任何经典计算机都不可行的任务。这两项研究涉及机器学习的不同分支，但它们揭示了一个类似的故事：在适当的情况下，量子机器学习可以超过经典算法。

一旦单光子进入Saggio的纳米光子处理器，只有一个“正确”的出路，但有很多错误的出路。通过将奖励正确选择的经典强化学习与量子叠加的节省时间能力相结合，她证明了机器学习可以从量子计算的使用中受益。
巴黎索邦大学的量子通信专家Eleni Diamanti说：“直到几年前，我认为物理学家和计算机科学家生活在平行的世界里。 ”他没有参与这两项研究。现在他们在这里，一起工作。 “这是范式的真正变化。 ”
自然婚姻
人工智能的大部分内容，特别是机器学习，归结为自动化和改进繁琐的任务。莱顿大学量子信息研究员、Saggio研究的合著者Vedran Dunjko说：“机器学习是为了让计算机在没有显式编程的情况下做有用的事情。 ”计算机可以从标记为“猫”或“狗”的照片中学习，然后快速将新照片分类到正确的物种中；其他算法可以找到微妙的模式，帮助医生在医疗扫描中诊断癌症。
在过去的十年里，研究人员开始推论量子计算机如何影响机器学习。量子计算机的一个独特优势是被称为叠加的现象。当经典位在0和1之间切换时， “量子位”可以是两者的复杂组合。量子算法可以使用叠加来减少得出正确答案所需的计算步骤数量。
事实证明，一些机器学习任务非常适合这种工作。 2013年，两项研究表明，量子计算机如何加快一些“不受监督”的学习任务，其中算法必须自行发现模式。这种方法很有希望，但理论上，不可能用当时的技术来实施。 Diamanti说：“这些机器学习协议中有很多需要技术，这些技术正在实现，但尚未提供。 ”
研究人员认为量子计算不是完全取代经典计算的工具，而是补充经典计算的工具。每一种类型的计算机都有其优势，研究人员希望，如果他们能找到量子计算机擅长的特定领域，他们将获得优势。现在的目标是找到使用量子物理学以不同的方式——更好的方式——比经典计算机——解决问题的算法。让量子计算机学习传统机器意味着找到人工智能问题，这些问题归结为与量子物理学一致的数学运算。