记者 / 王蕙蓉　　

　　近日，科学家提议量子计算机料理某些学习任务的速度可行超过经典计算机。相干论文发表在《科学》(Science)杂志。

　　属于于美国多家机构（包括googleQuantum AI）的探讨团队与澳大利亚探讨人士，一同提议了一个理论，以为量子计算机在料理某些学习任务时，应比惯例计算机速度更快。在论文中，该团队描画了它们在google“悬铃木”Sycamore量子计算机上发展测试的理论和结果。

　　对此，荷兰莱顿大学副教授Vedran Dunjko在同期《科学》杂志发表了一篇Perspective前瞻性看法文章，概述了这一想法：将量子计算与机器学习相联合，以研发一种具备新水准的、鉴于计算机的学习体系。

　　机器学习是一个学习体系，其经过数据集训练过的计算机，对新数据发展鉴于必定消息的猜测。量子计算则涉及运用亚原子粒子来实现量子比特，以期比惯例计算机更快执行利用程序。

　　用量子计算机干脆料理量子数据的实验（右），可能比用经典计算机测量量子态并料理结果的惯例实验（左）具备很大优势，相片来源googleQuantum AI Hook

　　前述探讨人士以为，用量子计算机干脆料理量子数据的实验，可能比用经典计算机测量量子态并料理结果的惯例实验具备很大优势。因而，它们提议在量子计算机上运转机器学习利用程序的想法，这也许可行使机器学习更好地发展学习，从而更具实用性。

　　为了认证前述想法能否可以，探讨人士创新性地设置了一种机器学习任务，该任务可行经过屡次循环的实验来发展学习。同一时间，它们提议了相干理论，以描画如何运用量子体系来发展实验，并从中学习。

　　探讨人士显示，它们能够声明量子计算机在前述机器学习任务上，可行比经典计算体系体现更优异。团队建立了一种体系，并在google“悬铃木”Sycamore量子计算机上发展了测试，经过运用40个超导量子比特和1300个量子门发展实验，证实了其理论。它们发觉，量子计算机学习一种概念所需的实验次数比经典计算体系要低四个数量级，而且这类优势在预测物理体系的性质、执行量子主成分剖析和学习物理能源学方面均获得了展现。

　　前述事业表达，假如实用量子计算机被开发出去，它或许能够以很大范围学习新事物。