我们可以将其称为未来计较的复仇者同盟。将两个科技界最热门的术语——机械进修和量子计较机连系起来，就构成了量子机械进修（quantum machine learning）。就像《复仇者同盟》的漫画书和电影将一群超级豪杰集结起来，构成了一个梦幻团队，这一组合极能够会吸引大量关注。但不管在科技还是小说范畴，制定一个好的情节都是相当重要的。

假如量子计较性可以以充足大的范围制造出来，那末经过操纵亚原子天下的怪异属性，它们有望比普通数字电子技术更高效地处理某些题目。多年来，研讨职员一向在探讨这些题目能否包括机械进修——一种野生智能形式，其入彀较机被用于发现数据中的形式，并进修可用于在不熟悉的情况下停止推理的法则。

图｜谷歌正在摸索量子计较性能否帮助机械进修。（来历：Nature）

现在，随着备受注视标野生智能系统 ChatGPT 的公布（该系统依靠机械进修，经过揣度文本中单词之间的关系来实现类似人类的对话），以及量子计较机的范围和才能的快速增加，这两种技术都在迅猛成长。那末，当两者连系，会发生什么有用的工具吗？

爱好正不竭增加

很多科技公司，包括 Google 和 IBM 等老牌企业以及加利福尼亚伯克利的 Rigetti 和马里兰大学学院公园的 IonQ 等草创公司，都在研讨量子机械进修的潜力。学术界的科学家们也对此爱好稠密。

位于瑞士日内瓦郊外的欧洲粒子物理尝试室欧洲核子研讨中心（CERN），已经操纵机械进修在大型强子对撞机发生的数据中寻觅某些亚原子粒子的迹象。那边的科学家们是正在停止量子机械进修尝试的学者群体之一。

CERN 的量子计较和机械进修研讨小组组长、物理学家索 Sofia Vallecorsa 说：“我们的想法是操纵量子计较机加速或改良传统机械进修模子。”

今朝尚未处理的一个重要题目是，在某些场景下，量子机械进修能否会比传统机械进修更具上风。理论表白，对于特定的计较使命，如模拟份子结构或寻觅大整数的质因数，量子计较机将加速能够比宇宙的年龄还长的计较进程。但研讨职员仍缺少充足的证据证实这一点适用于机械进修。也有人说，量子机械进修能够会发现传统计较机未发现的形式——即使它的速度并不快。

南非德班的物理学家 Maria Schuld 说，研讨职员对量子机械进修的态度摇摆在两个极端之间。虽然研讨职员对这类方式爱好稠密，但似乎越来越不宁愿短期利用远景的迷茫。Schuld 在加拿大多伦多的量子计较公司 Xanadu 工作。

一些研讨职员起头将焦点转向将量子机械进修算法利用于本质上是量子的现象。麻省理工学院（MIT）物理学家 Aram Harrow 暗示，在一切量子机械进修的发起利用中，这是“一个量子上风相当明显的范畴”。

量子算法能见效吗？

曩昔 20 年来，量子计较研讨职员们开辟了大量的量子算法，这些算法理论上可以使机械进修更加高效。在 2008 年的一项开创性研讨中，Harrow 与 MIT 物理学家 Seth Lloyd 和 Avinatan Hassidim（现就职于以色列拉马特甘的巴伊兰大学）配合发现了一种量子算法，该算法在处理机械进修焦点应战之一的大型线性方程组方面，比传统计较机快很多。

但在某些情况下，量子算法并未实现其预期的结果。一个广为人知的例子发生在 2018 年，计较机科学家 Ewin Tang 发现的一种方式，可以击败 2016 年设想的一种量子机械进修算法。该量子算法旨在供给互联网购物公司和 Netflix 等办事公司按照客户之前的挑选向客户供给的倡议范例——而且在做出这类保举时比任何已知的传统算法快很多。

那时，只要 18 岁的本科生 Tang 编写了一个几近一样快速的算法，但该算法可以在传统计较机上运转。德克萨斯大学奥斯汀分校量子计较研讨员 Scott Aaronson 是 Tang 的指导教员，他暗示，量子保举算法是一个罕有的例子，它似乎在现实题目中供给了明显的速度提升，是以她的工作“使得现实机械进修题目中的量子速度指数级提升的方针比之前加倍遥不成及”。Tang 说，她照旧对任何有关机械进修中量子速度大幅提升的说法持“相当思疑的态度”。

一个潜伏的更大题目是，传统数据与量子计较并不总是能很好地连系在一路。大致来说，一个典型的量子计较利用有三个首要步调。首先，量子计较机初始化，这意味着其各个内存单元（称为量子位或量子比特）将被置于一种个人纠缠的量子态。接下来，计较机履行一系列操纵，即典范比特逻辑运算的量子类似操纵。在第三步中，计较机履行读出操纵，例如丈量照顾关于量子运算成果信息的单个量子位的状态，这能够是指示机械内部的某个电子是顺时针还是逆时针扭转等。

就像“最细的吸管”

Harrow、Hassidim 和 Lloyd 等人提出的算法有望加速上述“第二步”。但在很多利用中，第一步和第三步能够极为缓慢，从而抵消了这些上风。初始化步调需要将“典范”数据加载到量子计较机上，并将其转换为量子态，这凡是是一个低效的进程。而且，由于量子物理本质上是概任性的，读取进程经常带有随机性，是以，量子计较机必须屡次反复一切三个阶段，并对成果求取均匀值，从而得出终极答案。

华盛顿大学西雅图分校的量子计较研讨员 Nathan Wiebe 暗示，一旦量子化数据被处置成终极的量子态，取出答案也能够需要很长时候。他在 10 月份的一个量子机械进修钻研会上说：“我们只能从最细的吸管中吸收信息。”

“当你问几近任何研讨员量子计较机擅长什么利用时，答案是，‘能够，并不是典范数据，’”Schuld 暗示，“到今朝为止，没有实在的来由相信典范数据需要量子效应。”

Vallecorsa 和其他人暗示，速度并不是评价量子算法的唯一标准。还有迹象表白，由机械进修驱动的量子野生智能系统也许能学会识别典范算法会遗漏的数据形式。

这能够是由于量子纠缠在量子位之间建立了相关性，是以也在数据点之间建立了相关性，德国 Zeuthen 的 DESY 粒子物理尝试室的物理学家 Karl Jansen 说，“我们希望可以检测到在数据中很难被典范算法检测到的相关性。”

图｜量子机械进修有助于了解粒子碰撞

但 Aaronson 持分歧定见。量子计较机遵守已知的物理定律，是以它们的运作和量子算法的成果完全可以由一个普通计较机在充足时候内猜测。“是以，唯一值得关注的题目是，量子计较机能否比完善的典范模拟更快，”Aaronson 说。

根赋性量子变化

还有一种能够性，就是完全避开转换典范数据的障碍，经过在原本就是量子的数据上利用量子机械进修算法。

在全部量子物理学历史中，量子现象的丈量一向被界说为利用一种生活在宏观、典范天下的仪器来停止数值读取。但现在有一种新兴的想法，触及一种被称为量子传感的新兴技术，使得系统的量子属性经过纯量子仪器来丈量。将这些量子态间接加载到量子计较机的量子位上，然后可以利用量子机械进修来识别形式，而无需与典范系统停止任何毗连。

麻省理工学院物理学家、谷歌研讨员 Hsin-Yuan Huang 暗示，在机械进修方面，这能够比收集量子丈量作为典范数据点的系统更具上风，“我们的天下本质上是量子力学的。假如你想要一台可以进修的量子机械，它能够会加倍强大。”

Huang 和他的合作者在谷歌的一台 Sycamore 量子计较机上停止了一个道理考证尝试。他们将部份量子位用于模拟一种笼统材料的行为。然后，处置器的另一部分操纵这些量子位的信息，并经过量子机械进修停止分析。研讨职员发现，这类技术比典范的丈量和数据分析快很多。

它是一种超导体吗？

Huang 暗示，完全在量子天下中停止数据的收集与分析，可以让物理学家处理那些只能经过典范丈量方式间接回答的题目。例如，一个特定材料能否处于一种特别的量子态，从而使其成为超导体（可以以几近为零的电阻导电）。典范尝试要求物理学家间接证实超导性，例如测试材料对磁场的反应。

粒子物理学家也在研讨利用量子传感技术来处置未来粒子对撞机发生的数据，如在 DESY 的 LUXE 尝试中，将电子和光子相撞，Jensen 说。虽然这一想法最少还有十年的时候才能实现，他补充道。相互相距悠远的天文观察站也能够利用量子传感器来收集数据，并经过未来的“量子互联网”将它们传输到中心尝试室，由量子计较机停止处置。人们希望，这能使得捕捉的图像具有史无前例的清楚度。

假如这类量子传感利用被证实是成功的，那末量子机械进修能够会在连系这些尝试的丈量成果和分析得出的量子数据中发挥感化。

终极，量子计较机能否会为机械进修带来上风，将经过尝试而非数学证实来决议。“我们不能期待一切工具都像我们在理论计较机科学中那样被证实，”Harrow 说。

“我固然以为量子机械进修照旧值得研讨，”Aaronson 说，不管能否终极进步效力。Schuld 赞成这一说法。“我们需要在不受证实速度提升的限制下停止研讨，最少今朝是这样的。”