有望應(yīng)用于發(fā)覺新的多體化學(xué)性質(zhì)、了解未知分子結(jié)構(gòu)等領(lǐng)域
該研究結(jié)果明晰地詮釋了量子機器可比任何精典機器量子通訊的原理，都愈發(fā)有效地學(xué)習(xí)化學(xué)世界的運作法則，通過這項最基本的學(xué)習(xí)問題（建構(gòu)一個未知多體系統(tǒng)的模型）中所獲得的物理技術(shù)，研究人員證明了量子學(xué)習(xí)機器在許多其他的學(xué)習(xí)問題（主成分剖析、學(xué)習(xí)數(shù)學(xué)演變）也都具有指數(shù)級的加速。
其中量子通訊的原理，在量子處理器上使用多達40個量子位的原理驗證實驗中，該團隊在最知名的精典下限上，實現(xiàn)了所需實驗數(shù)目的幾乎4個數(shù)目級的降低。
該論文第一作者兼共同通信作者、加州理工大學(xué)估算與物理科學(xué)系博士生表示，“我們考慮了一個最基本的學(xué)習(xí)問題，給定一個未知的多體化學(xué)系統(tǒng)，透過實驗去建構(gòu)這個系統(tǒng)的模型，可使用該模型來預(yù)測這個未知系統(tǒng)的各類性質(zhì)。”
圖丨量子提高實驗和常規(guī)實驗的圖示(來源：)
盡管該研究仍處于基礎(chǔ)的研究階段，但該成果展示了量子人工智能技術(shù)怎么幫助科學(xué)家更有效地通過實驗學(xué)習(xí)數(shù)學(xué)系統(tǒng)的性質(zhì)。“隨著量子科技的進步，我相信這項成果會為量子機器學(xué)習(xí)帶來新的方向。有望應(yīng)用于發(fā)覺新的多體化學(xué)性質(zhì)、了解未知分子的結(jié)構(gòu)、設(shè)計更好的抗生素、催化劑、材料、電池等。”他說。
每位電子可看作一個量子位元，在該實驗中，考慮到一個多電子系統(tǒng)，電子之間有一些精典的關(guān)聯(lián)（假如某一個電子朝上，那另一電子必將朝下等）。而她們希望可以透過最少次的實驗去建構(gòu)這個系統(tǒng)的模型，來預(yù)測電子之間的關(guān)聯(lián)。
該團隊通過物理證明學(xué)習(xí)問題對于精典學(xué)習(xí)機器須要指數(shù)大的實驗，并且對于一個量子學(xué)習(xí)機器則十分簡單?！捌渲凶钪匾母拍钍?，量子機器可存放資訊于量子記憶體中，并對于這種量子資訊進行量子估算。這促使我們更清晰地看見多電子系統(tǒng)中，不同電子之間的精典關(guān)聯(lián)?！北硎尽?span style="display:none">ETy物理好資源網(wǎng)(原物理ok網(wǎng))
圖丨學(xué)習(xí)數(shù)學(xué)狀態(tài)的量子優(yōu)勢(來源：)
實際上，該團隊最想確認(rèn)的問題在于，量子計算機是否可以擁有更強悍的學(xué)習(xí)能力。其實往年研究在該方面進行了大量探求，然而結(jié)果依然十分不明朗。一開始，有學(xué)者推測量子計算機可以在好多的機器學(xué)習(xí)問題上（如推薦系統(tǒng)、分類問題、主成份剖析等）獲得指數(shù)級的加速，并提出了各類量子演算法。
然而過去幾年，從芝加哥學(xué)院理論計算機科學(xué)系博士生唐伊文（譯音，）開始的一系列進展，一些學(xué)者發(fā)覺在好多的問題上，可設(shè)計更好的精典機器學(xué)習(xí)算法。而相較于那些更好的精典演算法，許多已知的量子演算法并不具有指數(shù)級加速。
圖丨學(xué)習(xí)化學(xué)動力學(xué)的量子優(yōu)勢(來源：)
除此之外，的開源量子物理AI模型DM21等近日的技術(shù)進展，一再展現(xiàn)了精典機器學(xué)習(xí)算法在量子多體化學(xué)問題（如分子結(jié)構(gòu)、基態(tài)性質(zhì)等）的有效性。
這不禁讓人們開始懷疑，量子計算機在學(xué)習(xí)能力上，包括古典問題、如分類貓與狗，或量子問題、如預(yù)測分子結(jié)構(gòu)等方面，會不會難以得到十分明顯的優(yōu)勢？表示：“這次研究，我們期望可以愈發(fā)了解量子機器是否能擁有比精典機器。（包括現(xiàn)有的筆記本以及人腦等）更強悍的學(xué)習(xí)能力。而我們給出的物理證明及完成的化學(xué)實驗，否認(rèn)了量子機器的確擁有更強大的學(xué)習(xí)能力。”
未來的人工智能將基于量子估算
專科結(jié)業(yè)于日本學(xué)院，他學(xué)院時期的主要研究方向是精典機器學(xué)習(xí)、以及深度學(xué)習(xí)。確認(rèn)要在量子估算方向精耕的抓手是在大四時接觸到量子估算后，他了解到量子估算從本質(zhì)上來看，具有比精典估算更強的估算能力，且學(xué)習(xí)能力和估算能力有很強的正相關(guān)。
“我相信未來的人工智能必將是基于量子估算而非古典估算，盡管量子估算仍處于十分實驗性的階段，我覺得通過物理剖析及操作這種現(xiàn)有的量子計算機，便可以開始探求這種量子人工智能到底可以比精典人工智能強上多少、強在那兒?！彼f。