该理论表明,量子计算机在某些学习任务上可能比传统机器更快。
来自多个美国机构的研究人员,包括 Google Quantum AI 和一位澳大利亚同事,提出了一个假设,表明量子计算机在某些学习任务上的速度将比经典机器快得多。 该小组在《科学》杂志上发表了他们的发现,描述了他们的理论以及他们在谷歌的 Sycamore 量子计算系统上进行测试时取得的结果。 来自莱顿大学城的 Vedran Dunjko 在该期刊的同一期发表了一篇 Perspective 文章,概述了结合量子计算和机器学习将提供更高水平的基于计算机的系统的想法。
机器学习是训练计算机对新数据集做出有根据的猜测的过程。 量子计算使用亚原子粒子作为量子比特,以比传统计算机快很多倍的速度运行应用程序。 这个新项目的研究人员考虑在量子计算机上运行机器学习应用程序,以提高它们的学习效率和实用性。
研究人员设计了一种创新方法来测试这个想法是否可行,更重要的是,测试结果是否优于传统计算机所能达到的结果。 他们创建了一个机器学习任务,通过反复实验学习。 然后,研究人员开发了关于如何将量子计算机用于此类实验的理论,并从中学习。 他们能够证明量子计算机可以执行任务,并且可以比经典系统做得更好。 他们发现学习新概念所需的实验次数比经典系统少四个数量级。 研究人员随后创建了一个量子系统,在谷歌的 Sycamore 量子计算设备上对其进行了测试,并证实了他们的理论。
来源和详细信息:
https://phys.org/news/2022-06-theory-quantum-exponentially-faster-tasks.html