的量子趕超傳統(tǒng)實(shí)驗(yàn)使用了53個(gè)聒噪量子位，證明一臺(tái)量子計(jì)算機(jī)只需200秒就可以完成采用現(xiàn)有算法的最大傳統(tǒng)計(jì)算機(jī)須要大概10,000年才會(huì)完成的一項(xiàng)估算。這標(biāo)志著喧鬧小型量子(NISQ)估算時(shí)代即將開(kāi)啟。在未來(lái)幾年中，具有數(shù)十乃至數(shù)百個(gè)聒噪量子位的量子設(shè)備有望成為現(xiàn)實(shí)。
量子估算
量子估算借助量子熱學(xué)的屬性來(lái)估算傳統(tǒng)計(jì)算機(jī)難以解決的問(wèn)題。量子計(jì)算機(jī)使用量子位。量子位如同計(jì)算機(jī)中的常規(guī)位，只不過(guò)它有兩種附加能力，即被放在疊加態(tài)和互相糾纏。
傳統(tǒng)計(jì)算機(jī)執(zhí)行確定性精典運(yùn)算，也可以使用取樣方式來(lái)模擬機(jī)率過(guò)程。通過(guò)借助疊加和糾纏，量子計(jì)算機(jī)可以執(zhí)行無(wú)法用傳統(tǒng)計(jì)算機(jī)大規(guī)模模擬的量子運(yùn)算。借助NISQ量子估算的設(shè)想包括優(yōu)化、量子模擬、密碼學(xué)和機(jī)器學(xué)習(xí)。
量子機(jī)器學(xué)習(xí)
量子機(jī)器學(xué)習(xí)(QML)基于兩個(gè)概念建立：量子數(shù)據(jù)和混和量子精典模型。
量子數(shù)據(jù)
量子數(shù)據(jù)是在自然或人工量子系統(tǒng)中出現(xiàn)的任何數(shù)據(jù)源。這可以是由量子計(jì)算機(jī)生成的數(shù)據(jù)，比如從用于證明的量子霸權(quán)的處理器搜集的樣本。量子數(shù)據(jù)表現(xiàn)出疊加態(tài)和糾纏態(tài)，最終形成可能須要數(shù)目以指數(shù)級(jí)下降的精典估算資源來(lái)表示或儲(chǔ)存的聯(lián)合機(jī)率分布。量子霸權(quán)實(shí)驗(yàn)表明，可以從2^53個(gè)希爾伯特空間的極端復(fù)雜聯(lián)合機(jī)率分布中進(jìn)行取樣。
NISQ處理器生成的量子數(shù)據(jù)是喧鬧數(shù)據(jù)量子通訊 優(yōu)點(diǎn)，但是一般在檢測(cè)之前就發(fā)生糾纏。啟發(fā)式機(jī)器學(xué)習(xí)技術(shù)可以創(chuàng)建最大程度地從吵鬧糾纏數(shù)據(jù)中提取有用精典信息的模型。(TFQ)庫(kù)提供了用于開(kāi)發(fā)模型的基元，這類模型可以解開(kāi)并歸納量子數(shù)據(jù)中的相關(guān)性，因而為改進(jìn)現(xiàn)有量子算法或發(fā)覺(jué)新的量子算法創(chuàng)造機(jī)會(huì)。
下邊給出了可以在量子設(shè)備上生成或模擬的量子數(shù)據(jù)示例：
混和量子精典模型
量子模型可以表示和歸納包含量子力學(xué)起源的數(shù)據(jù)。因?yàn)榻盏牧孔犹幚砥饕恢焙苄∏页臭[，因而量子模型難以僅使用量子處理器來(lái)歸納量子數(shù)據(jù)。NISQ處理器必須與傳統(tǒng)的協(xié)處理器協(xié)同工作能夠生效。因?yàn)樵缫阎С挚鏑PU、GPU和TPU的異構(gòu)估算，因而被用作試驗(yàn)混和量子精典算法的基礎(chǔ)平臺(tái)。
量子神經(jīng)網(wǎng)路(QNN)用于描述最好在量子計(jì)算機(jī)上執(zhí)行的參數(shù)化量子估算模型。此術(shù)語(yǔ)一般可與參數(shù)化量子電路(PQC)互換。
研究
在NISQ時(shí)代，甚或未能在有意義的規(guī)模上實(shí)現(xiàn)比精典算法（比如Shor的分解質(zhì)質(zhì)數(shù)算法或的搜索算法）更快的量子算法。
的目標(biāo)是幫助發(fā)覺(jué)NISQ時(shí)代的算法，非常關(guān)注以下方面：
使用精典機(jī)器學(xué)習(xí)來(lái)提高NISQ算法。希望來(lái)自于精典機(jī)器學(xué)習(xí)的技術(shù)可以提高我們對(duì)量子估算的理解。在通過(guò)精典循環(huán)神經(jīng)網(wǎng)路進(jìn)行量子神經(jīng)網(wǎng)路的元學(xué)習(xí)中，循環(huán)神經(jīng)網(wǎng)路(RNN)用于發(fā)覺(jué)對(duì)QAOA和VQE等算法的控制參數(shù)進(jìn)行優(yōu)化比簡(jiǎn)單的現(xiàn)成優(yōu)化器愈發(fā)有效。而用于量子控制的機(jī)器學(xué)習(xí)則使用加強(qiáng)學(xué)習(xí)來(lái)幫助降低偏差并形成質(zhì)量更高的量子門。使用量子電路對(duì)量子數(shù)據(jù)進(jìn)行建模。倘若您有數(shù)據(jù)源的精確描述，則可使用精典方法對(duì)量子數(shù)據(jù)進(jìn)行建模，但有時(shí)難以實(shí)現(xiàn)。要解決此問(wèn)題，您可以嘗試在量子計(jì)算機(jī)上建模并檢測(cè)/觀測(cè)重要的統(tǒng)計(jì)數(shù)據(jù)。量子頻域神經(jīng)網(wǎng)路給出了一種量子電路，這些電路采用類似于頻域神經(jīng)網(wǎng)路(CNN)的結(jié)構(gòu)設(shè)計(jì)，可以測(cè)量物質(zhì)的不同拓?fù)湎唷Ａ孔佑?jì)算機(jī)保存數(shù)據(jù)和模型。傳統(tǒng)處理器只能從模型輸出中見(jiàn)到檢測(cè)樣本量子通訊 優(yōu)點(diǎn)，而難以看見(jiàn)數(shù)據(jù)本身。在onanoisy中，作者學(xué)習(xí)使用DMERA模型壓縮有關(guān)量子多體系統(tǒng)的信息。