光子量子计算机可以增强机器学习算法
作者：Matt Swayne
内幕摘要
- 发表在自然光子学证明小规模的光子量子计算机可以在特定的机器学习任务中胜过经典系统。
- 维也纳大学和合作者的研究人员使用光子电路上的量子增强算法比传统方法更准确地对数据进行分类。
- 该实验还强调了光子量子平台的势能效率优势，这可以帮助满足机器学习的不断增长的需求
- 图像：数据点的分类可以通过光子量子计算机执行，从而提高常规方法的准确性。（Iris Agresti）
新闻稿 - 当前的热门研究主题之一是两个最新技术突破的组合：机器学习和量子计算。一项实验研究表明，已经小规模的量子计算机可以提高机器学习算法的性能。维也纳大学的国际研究人员团队在光子量子处理器上证明了这一点。最近在《自然光子学》上发表的这项工作显示了光学量子计算机的新应用。
最近的科学突破已重塑了未来技术的发展。一方面，机器学习和人工智能已经彻底改变了我们的生活，从日常任务到科学研究。另一方面，量子计算已成为一种新的计算范式。
从这些有希望的两个领域的结合来看，一条新的研究线已经开放：量子机学习。该领域旨在在算法上在量子平台上运行时的速度，效率或准确性。但是，要在当前的技术量子计算机上实现这种优势，这仍然是一个开放的挑战。
这是国际研究人员迈出下一步的地方，并设计了维也纳大学科学家进行的一项新颖实验。该设置的特色是在意大利政治上建立的量子光子电路，该电路运营着由Quantinuum（英国）工作的研究人员首先提出的机器学习算法。目的是使用光子量子计算机对数据点进行分类，并挑出量子效应的贡献，以了解相对于经典计算机的优势。该实验表明，已经大小的量子处理器比常规算法更好。该项目负责人的菲利普·沃尔瑟（Philip Walther）解释说，我们发现，对于特定任务，我们的算法犯错的错误少于其经典的错误。``这意味着现有的量子计算机可以表现出良好的性能，而不必超越最先进的技术。 自然光子学。
新研究的另一个有趣的方面是，光子平台在标准计算机上消耗的能量减少了。``鉴于机器学习算法变得不可行，这在未来可能是至关重要的。
研究人员的结果对量子计算产生了影响，因为它确定了从量子效应以及标准计算中受益的任务。实际上，可以设计受量子体系结构启发的新算法，可以达到更好的性能并减少能耗。
原始出版物：
在光子处理器上，基于实验量子增强的机器学习，在 自然光子学（2025）。doi： 10.1038/S41566-025-01682-5
关于《光子量子计算机可以增强机器学习算法》的评论
暂无评论