包括谷歌和IBM在内的老牌科技巨头，以及总部位于加利福尼亚州的Rigetti和马里兰州的IonQ等初创公司正在研究量子机器学习的潜力。 图为通过量子机器学习增加对粒子碰撞的理解的艺术渲染。 *自然界**
基于机器学习的人工智能和量子计算机是技术界最受欢迎的两个研究领域。 他们共同组成了一支被科学家称为量子机器学习的“梦之队”。 在最近的一份报告中，英国《自然》杂志指出，科学家们正在探索这个未来计算联盟的潜力，并试图深入了解它将在多大程度上改变或重塑科学的面貌。
吸引了各行各业科技公司的关注
包括谷歌和IBM在内的老牌科技巨头，以及总部位于加利福尼亚州的Rigetti和马里兰州的IonQ等初创公司正在研究量子机器学习的潜力。
从事学术研究的科学家也非常感兴趣。 欧洲核子研究中心的科学家是量子机器学习领域的先驱。 他们使用机器学习来寻找大型强子对撞机生成的数据中一些亚原子粒子的“线索”。 物理学家、欧洲核子研究中心量子计算和机器学习研究小组负责人索菲亚·瓦莱科萨（Sophia Valekosa）表示，他们希望使用量子计算机来加速或改进经典机器学习模型。
科学家们正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有优势？ 理论表明，量子计算机可以加快模拟分子或寻找大整数质数等任务的计算速度。 但研究人员仍然缺乏足够的证据来证明机器学习也可以做到这一点。 然而，一些科学家指出，即使不提高计算速度，量子机器学习也可以发现经典计算机遗漏的某些模式。 其他研究人员正专注于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（Massachusetts Institute of Technology）的物理学家阿拉姆·哈坦（Alam Hartan）表示，在量子机器学习的所有拟议应用中，这是一个“具有相当明显的量子优势的领域”。
量子算法不是灵丹妙药
在过去的 20 年里，量子计算研究人员开发了大量量子算法，从理论上提高了机器学习的效率。 2024年，Hartan等人共同发明了一种量子算法，该算法在求解大型线性方程组时比经典计算机快几倍。
但在某些情况下，量子算法的性能并不好。 2018 年，18 岁的计算机科学家 Yiwen Tang 发明了一种新的推荐算法，可以在传统计算机上运行并完成计算。 该算法比以前的推荐算法实现了指数级加速，并击败了 2016 年设计的量子机器学习算法。
唐女士说，她对任何关于量子算法可以加速机器学习的说法都“非常怀疑”。
然而，计算速度并不是判断量子算法质量的唯一标准。 有迹象表明，由机器学习驱动的量子人工智能系统可以学习识别经典人工智能系统遗漏的数据模式。 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（Carl Jensen）解释说，这可能是因为量子比特之间的量子纠缠，允许数据建立经典算法难以检测到的关联。
如何更好地工作
如何让量子机器学习更好地工作？ 科学家们提出的解决方案是对处于量子态的数据使用量子机器学习算法，这可以避免将经典数据转换为量子态的过程。
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，而无需与经典系统相交。
麻省理工学院（MIT）的物理学家在谷歌的Sycamore量子计算机上进行了原理验证实验。 它们用几个量子比特模拟抽象材料的行为，然后处理器的另一部分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，该技术测量和分析数据的速度比传统方法快得多。
研究人员指出，对量子数据的充分收集和分析使物理学家能够解决经典测量只能间接回答的问题。 例如，一种材料是否处于特定的量子态，使其成为超导体。
Jensen指出，粒子物理学家也在考虑使用量子传感器来处理未来粒子对撞机产生的数据。 遥远的天文台还可以使用量子传感器收集数据，并通过未来的“量子互联网”将其传输到**实验室，以便在量子计算机上进行处理。
如果量子传感的这种应用被证明是成功的，量子机器学习可以在这些实验的测量以及对由此产生的量子数据的分析中发挥作用。
*：科技**。