毋庸置疑，量子计算机有潜力完成一些传统计算机无法实现的特定计算任务。这种计算优势能否支撑起当前许多人工智能程序背后的机器学习算法呢？美国加州理工学院黄信元团队的一项最新研究表明，在不远的将来，量子计算机确实有望处理那些目前需要消耗海量传统计算资源的人工智能任务。 这项数学研究的目标是为量子计算机广泛助力人工智能的未来打下理论基础，一旦实现将对机器学习等人工智能算法产生巨大推动。黄信元表示，机器学习在科技场景乃至日常生活中无处不在，如果他们能造出这种量子计算架构，那么只要有海量数据集的地方，它都能派上用场。 黄信元团队首先要解决一个关键问题，那就是现实世界中的数据收集。诸如餐厅点评、RNA测序结果，都属于非量子世界的数据。如何把这些数据输入量子计算机，从而利用其量子特性实现高效的机器学习？ 这需要把所有数据放入一种“叠加态”，即一种无法在非量子机器上实现的数学组合，这种做法曾被认为不切实际。黄信元团队成员赵海萌解释说，按照既有思路，叠加态中的所有数据在被量子计算机处理之前，必须先存进专用存储设备，而这些设备所需的容量将大到难以想象。 为此，黄信元团队换了一条思路，他们把数据分成小批量输入量子计算机，数据来一条，处理一条，不必等所有数据都储存好再开始处理。这就像在线播放流媒体电影，不用先把整部电影下载完再观看，因此不再需要巨型存储器。 他们不仅证明了该方法可行，还表明它能让量子计算机以远低于任何传统计算机的内存成本，处理更多数据。赵海萌说，一台由大约300个逻辑量子比特构成的量子处理器，其存储能力可超越一台由可观测宇宙中所有原子构成的传统计算机。 虽然要造出300个逻辑量子比特的量子计算机可能还需多年，但黄信元相信，最快十年内造出一台拥有60个逻辑量子比特的计算机是完全可能的——在处理某些涉及大型数据集的人工智能任务时，相较于传统计算机，60比特量子计算机已可展现出明显优势。 不过，过去很多量子机器学习算法，最后都被证明可以“去量子化”，即算法经调整后无需依赖任何量子硬件，仍然能保持优异性能。因此，量子特性对这一新算法到底有多关键，还有待考察。 荷兰莱顿大学的维德兰·邓科认为，这项研究可能特别适合大型科学实验，比如大型强子对撞机。这类实验会持续产生数百万千兆字节的数据，常因内存不够而丢弃大部分数据——量子计算机的极低内存消耗恰好能发挥优势。 目前，量子计算机尚无法接手塞满传统服务器的数据中心，未来它将朝两个方向发展：一是扩展现有方法能适用的算法类型；二是设计新的量子计算机配置方案，实现以极低内存、更快速度处理数据。