“当量子计算遇到机器学习会碰撞出什么火花？”

本篇文章2736字，读完约7分钟

没有人怀疑量子计算和机器学习是目前最热的两个研究行业。

在量子计算方面，理论和硬件的突破性进展向人们展示了大规模通用量子计算机的发展。

在机器学习中，以人工神经网络为代表的方法在视觉、语音、自然语言理解、游戏等应用行业取得了很大的性能提高。 三位深度学习行业专家获得2019年图灵奖，被评为意味着ai复兴元年的到来。

量子计算与机器学习相遇时，会产生什么火花？ 一样，这还是一个处于初期探索，未来有望有较大的快速发展空的行业。 腾讯优秀科学家、腾讯量子实验室负责人张胜誉评价道。

两者不是油和水的混合

20世纪90年代，威奇塔州立大学的物理学教授伊丽莎白·贝尔曼开始研究量子物理与人工智能的结合，当时神经网络是特立独行的技术。 很多人认为油和水是混合在一起的。 她说:“我花了很长时间出版论文。 根据神经互联网相关期刊，量子力学是什么？ 根据物理期刊，神经互联网是什么？

但是，随着量子计算和机器学习在各自行业的发展，两者的结合似乎水到渠成。

神经互联网和其他机器学习系统已成为人工智能时代的核心技术。 具备机器学习能力的人工智能在某些方面远远超过了人类，不仅在国际象棋和数据挖掘等方面表现出色，在人脑擅长的面部识别、语言翻译等方面也取得了飞速的发展。 由于本底强大的计算能力，这些系统的价值不断凸显。

但是，虽然以前计算机的数据解决能力已经接近极限，但是数据还在持续增加。 因此，业界展开了激烈的竞争，我们看到谁能率先推出比现有计算机更强大的量子计算机来解决越来越庞大的数据。

机器学习技术的进步依赖于计算能力的提高，量子计算机的计算能力一定比现有机器强很多。 它必然会推动机器学习的迅速发展，就像大脑运转快，更聪明的人比反应慢的人解决问题更快一样。 中国科学技术大学中国科学院量子新闻要点实验室研究员韩正甫告诉科技日报记者，机器学习有可能在短时间内解决许多超出现有能力的复杂问题。

北京国双科技有限企业(以下简称国双)首席技术官刘激扬在接受科技日报记者采访时表示，随着产业数据规模的爆炸性增长，深度学习模式互联网参数的增加，现有的计算结构和框架，在大量的数据规模和深层互联网结构中，

强联合的化学反应

刘氏表示，为此，许多研究机构和科技企业将眼球集中在量子计算行业。

量子计算的独特之处在于，无论是数据解决能力还是数据存储能力，在理论上都远远超过了经典计算，因此如果应用于机器学习，不仅可能会改变目前机器学习算法解决大量数据时的计算效率低等问题，还可能会改变整个机器学习行业。 刘激扬表示，如果机器学习与量子计算相结合，一方面希望利用量子计算优秀的数据解决能力，处理机器学习计算效率低下的问题。 另一方面，探索了利用量子力学性质开发更智能的机器学习算法。

刘激扬具体拆了道，机器学习和量子计算的结合，第一有几种形式:量子计算可以执行大量、多而复杂的计算过程，通过将其结合使以前流传下来的机器学习无法计算的问题成为可能，机器学习算法 利用量子理论的并行性等加速优势，可以直接与一些机器学习算法的深度相结合，产生新的量子机器学习模型，这些模型可以实现更高的计算效率。 也可以利用机器学习算法处理量子物理学行业中的量子多体物理问题、量子优化控制等难以分解的问题。

近十年来出现了大量的量子技术与机器学习结合的研究，第一是经典机器学习解释以辅助量子力学的研究，也有许多经典机器学习设计高效量子算法的研究。 另外，在少量其他方面，如量子启发式机器学习，帮助大家用量子理论理解了机器学习中的现象，大家取得了形式丰富的结果。 张胜誉告诉科技日报记者。

张胜誉和团队近期系统梳理了量子机器学习的快速发展，文案发表在了《国家科学评论》2019年第一期出版的量子计算主题上。

国内公司积极配置

虽然取得了可喜的进展，但也应该观察到目前机器学习行业的许多结果在严谨性、问题的基础性、未来的实用性方面都介于较大的提高空之间。 一样，这还是一个处于初期探索，未来有望有较大的快速发展空的行业。 张胜誉说。

量子机器学习的应用越来越多，要等到大规模量子新闻存储实现，再到成熟的量子计算机出现。 韩正甫说，但实际上，量子计算机的概念是20世纪80年代提出的，投入研究开发已经20年了，从来没有真正离开过实验室。

刘激扬还指出，量子计算机是真正实现量子机器学习算法实用化的重要硬件基础，要将量子机器学习算法应用于实际的数据观察和解决任务，需要将数据转换为量子状态，放入计算机中进行存储、解决和导出， 它需要开发具有数百万超导量子比特的量子计算机，在通用量子计算机构建成功之前，量子机器学习算法在实际应用中不太容易展示其数据解决能力。

张胜誉分析认为，由于硬件资源的限制，量子机器学习的验证和快速发展确实存在许多瓶颈。 理论上可以进行越来越多的量子加速的研究，实践上也可以结合硬件推进对物理化学中基本问题的理解。 他认为，这个行业的最终突破可能需要携手理论和硬件前进。

刘激扬表示，量子机器学习还缺乏完整的理论框架和实际验证。 由于量子机器学习只能在量子状态下进行，所以目前从经典新闻到量子新闻的转换研究很少，还有很多问题尚未处理。

我们还不能从基础理论的角度阐述量子机器学习算法的特征。 刘激扬说，至今仍无法解释现有的量子机器算法的性能优于所有经典机器学习算法。 虽然没有发现同样多的复杂经典算法，但这并不意味着不存在这样的经典算法，因此需要进一步研究和说明。

但是，在业界大佬们看来，量子机器学习是一个充满无限联想的行业。 深度学习带来的一些变化已经远远超出了十年前的估计，量子计算机对量子多体系统的模拟给我们带来了它们卓越的认知，量子和机器学习的结合对我们自身和自然界的理解和变化产生了它们的影响，这里有非常大的想象力/ [/] 张胜誉说。

张胜誉介绍说，腾讯继续关注量子机器学习的方向。 我们团队与法国合作者iordanis kerenidis一起，设计了第一个可以解释加速的神经网络量子算法，团队在通过机器学习理解量子物理和量子化学方面也持续前进。 我们希望能在这个备受期待的行业做出哪怕一点点的稳步贡献。

在机器学习行业深耕多年的国双，也关注量子机器学习等相关行业的最新动向。 刘激扬表示，目前，该企业的产业人工智能平台搭载了机器学习、知识图谱、自然语言解决等人工智能技术和算法，在数字营销、司法大数据、工业网络等行业积累了丰富的实践经验和成功案例，提高了客户的生产运营效率

除了持续推进ai+领域处理方案服务模式落地外，还要跟进和积极布局量子机器学习的进展，思考如何将这些新兴技术融入国双独特的产业人工智能平台，用技术改变产业，为实现用户智能化转型而努力。 刘激扬说。 (记者操秀英)