量子算法在機器學習上取得巨大飛躍

馬漢

IBM公司的研究人員宣稱，他們已經創建出了新的量子算法，能夠在量子計算機上支持先進的機器學習。IBM的研究團隊描述了其創造出“量子算法”的過程，使量子計算機能夠以遠遠超出傳統計算機所能達到的規模來執行“特征映射”算法。

量子計算利用亞原子粒子的奇異能力，即在任何時候都能存在于多種狀態中。由于這種最小粒子的行為方式，操作可以比傳統計算機更快地完成，且消耗更少的能量。在傳統計算中，位是可以兩種狀態（1或0）存在的單個信息。但是量子計算使用量子位，可以存儲比1或0多得多的信息，因為它們可以存在于這些值的任何疊加中。

IBM的研究團隊解釋說，“特征映射”涉及到一種分解信息的過程，以便訪問這些數據的“更精細的方面”。傳統的機器學習算法已經在某種程度上做到了這一點，例如通過提取圖像的像素并根據每個像素的顏色值將其放在相同網格中。然后，算法以非線性的方式將這些值映射到高維空間，本質上是根據其最有用的特性對數據進行分解。

研究人員表示，有了IBM的新量子算法，就有可能在更高水平上分離這些數據的各個方面和特點。這一點很重要，因為數據分類越精確，機器學習系統的效率就越高。

IBM的研究團隊說：“我們的目標是使用量子計算機來創建新的分類器，以生成更復雜的數據地圖。通過這樣做，研究人員將能夠開發出更有效的人工智能，例如可以識別傳統計算機看不到的數據模式。”

IBM的研究人員注意到，新的算法還沒有實現“量子優勢”，而這是量子計算機性能超越傳統計算機的關鍵。IBM研究員表示，這主要是因為量子計算機還處于起步階段，受到當前硬件能力的限制。

硅谷技術研究和咨詢公司Constellation Research分析師霍爾格·穆勒稱，IBM的工作再次表明，量子計算將能比目前可用的任何計算基礎設施更好地運行下一代應用程序。

穆勒說：“IBM已經證明，與其他任何計算機相比，像特征映射這樣的機器學習算法在量子計算機上運行得更好，功能調用算法非常適合量子計算。”