台胞在苏顺利完成手术 称赞“本地医保好”

通过光量子计算机可以对数据点进行分类，从而提高传统方法的准确性。图：Iris Agresti

机器学习和量子计算是当前最热门的研究领域之一。一项实验研究表明，即使是小规模的量子计算机也能提升机器学习算法的性能。维也纳大学的国际研究团队在一台光量子处理器上证明了这一点。这项最近发表在《 自然·光子学 》杂志上的工作，为光量子计算机展示了新的应用前景。

近期的科学突破正在重塑未来技术的发展。一方面，机器学习和人工智能已经从日常任务到科学研究等方面彻底改变了我们的生活。另一方面，量子计算已成为一种新的计算范式。

从这两个有前景领域的结合中，一条新的研究线已经开辟出来：量子机器学习。该领域旨在寻找算法在量子平台上运行时在速度、效率或准确性方面的潜在提升。然而，在当前技术水平的量子计算机上实现这种优势仍然是一个开放性的挑战。

这是国际研究团队迈出的下一步，由维也纳大学的科学家设计了一项新颖的实验。该实验装置采用在米兰理工大学（意大利）构建的量子光子电路，该电路运行由英国 Quantinuum 研究机构首先提出的机器学习算法。目标是利用光子量子计算机对数据点进行分类，并突出量子效应的贡献，以了解其相对于经典计算机的优势。实验表明，即使是小型量子处理器也能比传统算法表现更好。"我们发现，对于特定任务，我们的算法比其经典对应算法犯的错误更少"，维也纳大学的 Philip Walther 解释道，他是该项目的负责人。"这意味着现有的量子计算机可以在不必超越最先进技术的情况下展现出良好的性能"，论文的第一作者郑昊因在《Nature Photonics》上发表的成果补充道。

另一个有趣的新研究方面是，光子平台相对于标准计算机可以消耗更少的能量。"这在未来可能至关重要，因为机器学习算法由于能耗过高而变得不可行，"合著者 Iris Agresti 强调。

研究人员的成果对量子计算有影响，因为它确定了受益于量子效应的任务，同时也对标准计算有影响。实际上，可以设计出受量子架构启发的全新算法，从而提高性能并减少能耗。