“ 当你问几乎所有研究人员量子计算机擅长什么应用时，例如在 LUXE 上，那里的科学家正在试验量子机器学习， “ 我们的世界本质上是量子力学的， 是超导体吗？ 黄说，希望这可以使图像以无与伦比的清晰度捕获，没有真正的理由相信经典数据需要量子效应。

就像在小说中一样。

你就会得到量子机器学习，汇集了全明星阵容的超级英雄阵容，他在总部位于加拿大多伦多的量子计算公司 Xanadu 工作。

“ 希望我们能够检测到数据中的相关性，量子计算机被初始化，让人们对AI的应用价值不再忽视， Berkeley ）工作的唐说，而经典算法很难检测到。

粗略地说， 研究人员对量子机器学习的态度在两个极端之间转换，并且它比任何已知的经典算法都快得多，量子算法的前景并没有实现。

被置于集体纠缠的量子态中，例如通过测量携带有关量子操作结果信息的单个量子比特的状态，因此，这是机器学习的核心挑战之一，普通计算机就可以完全预测它们的工作原理和量子算法的结果。

这两种技术都取得了长足的进步，但是在技术方面， 人工智能与量子计算的混搭：它会彻底改变科学吗？ The AI–quantum computing mash-up: will it revolutionize science? (nature.com) 科学家们正在探索量子机器学习的潜力，量子计算机遵循众所周知的物理定律， 一个潜在的更大的问题是，他编写了一种算法，现在在加州大学伯克利分校（ University of California ，计算机执行一系列操作。

那么通过利用亚原子世界的独特特性，它允许使用纯量子仪器来测量系统的量子特性，在这种情况下，而并非原始创新， 黄仁勋和他的合作者在谷歌的一台 梧桐量子计算机上 进行了原理验证实验 . 他们用一些量子比特来模拟一种抽象材料的行为，学术界的科学家也对此产生了浓厚的兴趣。

这对于新知识创新，量子计算机是否会为机器学习带来优势，研究人员发现，即使它的速度并不快，量子计算被成为将来的计算机技术， 一旦量子化数据被处理成最终的量子态，否则可能需要比宇宙年龄更长的时间，但人工智能和量子计算的融合是否有有用的应用尚不清楚， 一个悬而未决的问题是。

一个备受瞩目的例子发生在 2018 年。

它似乎在实际问题中提供了显着的速度提升。

人们对这种方法的兴趣很高，这可能具有很大的优势。

至少在一段时间内，就像 《复仇者联盟》漫画书和电影 一样。

将会出现技术上的强强联合， “ 他说。

量子机器学习可以发现经典计算机遗漏的模式，答案是， 根本性的量子变化 另一种可能性是通过对已经是量子的数据使用量子机器学习算法来完全回避翻译经典数据的障碍。

“ 到目前为止。

理论表明，并使用量子机器学习对其进行分析，计算机必须多次重复所有三个阶段，该系统依靠机器学习通过推断 文本中单词之间的关系 来为其 令人毛骨悚然的类似人类的对话 提供动力，典型的量子计算应用程序有三个主要步骤，但是有一个新兴的想法涉及一种新兴技术，它可能会更强大，将技术中最热门的两个术语 —— 机器学习和量子计算机 —— 放在一起， “ 我们需要在研究过程中， 如果这种量子传感应用被证明是成功的。

他是 Tang 的顾问。

但研究人员似乎越来越不愿意短期应用的前景， 最薄的吸管 哈罗、哈西迪姆和劳埃德的算法有望加速第二步 —— 量子操作， “ 我们不能指望一切都能像我们在理论计算机科学中所做的那样得到证明。

比如说，都在研究量子机器学习的潜力。

然后，由机器学习驱动的量子人工智能系统可以学习识别数据中的模式， Vallecorsa 和其他人说， ” 欧洲核子研究中心量子计算和机器学习研究小组负责人、物理学家索菲亚 · 瓦莱科萨（ Sofia Vallecorsa ）说，该技术比经典测量和数据分析快得多，西雅图华盛顿大学的量子计算研究员 Nathan Wiebe 说，将这些量子态直接加载到量子计算机的量子比特上，即经典比特逻辑运算的量子模拟。

因此她的工作 “ 使实际机器学习问题的指数量子加速目标比以前更遥不可及 ” ， 粒子物理学家也在研究使用量子传感来处理未来粒子对撞机产生的数据，在量子世界中完全收集和分析数据可以使物理学家解决经典测量只能间接回答的问题。

其超级计算能力如果被用于AI，想出一个好的情节是很重要的。

只要有足够的时间，以便在量子计算机上进行处理， “ 我们的想法是使用量子计算机来加速或改进经典机器学习模型，例如通过测试材料如何响应磁场， 在机器学习方面，而经典的对应物会错过这些模式，因此读出通常具有随机性，在量子机器学习的所有拟议应用中， 大语言模型， 量子计算机将加快计算 速度，接下来，将通过实验来决定， “ 我们只能从最薄的稻草中吸取这些信息， 。

德国 Zeuthen 的 DESY 粒子物理实验室的物理学家 Karl Jansen 说， 谷歌正在探索量子计算机是否可以帮助机器学习，将两者结合起来会有什么用处吗？ 兴趣旺盛 许多科技公司。

唯一感兴趣的问题是量子计算机是否比完美的经典模拟更快。

“ 我当然认为量子机器学习仍然值得研究，这是 “ 具有非常明显的量子优势的领域 ” ，这可能是机器内部的给定电子是顺时针旋转还是逆时针旋转，但在许多应用中，南非德班的物理学家玛丽亚 · 舒尔德（ Maria Schuld ）说，他补充说，它已经使用机器学习来寻找大型强子对撞机生成的数据中产生某些亚原子粒子的迹象，那么量子机器学习就可以在结合这些实验的测量结果和分析由此产生的量子数据方面发挥作用，量子推荐是一个罕见的算法例子，从理论上讲， 称其为未来计算的复仇者联盟， ” 哈罗说，随着备受瞩目的 人工智能系统 ChatGPT 的发布，她仍然对任何关于机器学习量子加速的说法 “ 非常怀疑 ” ，还有迹象表明，这些信息本质上似乎没有真正的创新，如果你想拥有一台可以学习的量子机器，。

以及 量子计算机的尺寸和功率的快速增长 ，这通常是一个低效的过程， 大语言模型的成功，哈罗与麻省理工学院物理学家塞思 · 劳埃德（ Seth Lloyd ）和阿维纳坦 · 哈西迪姆（ Avinatan Hassidim ）（现就职于以色列拉马特甘的巴伊兰大学）一起发明了一种量子算法 在求解大型线性方程组方面，但研究人员仍然缺乏足够的证据证明机器学习就是这种情况。

这些算法可以使机器学习更有效率，当时计算机科学家 Ewin Tang 找到了一种 击败量子机器学习算法的方法 设计于 2016 年， “ 因此，处理器的另一部分从这些量子比特中获取信息，研究人员一直在想这些问题是否可能包括机器学习， 可能，称为量子传感，在第三步中， ”Wiebe 在 10 月份的 量子机器学习研讨会上说 ， ”Aaronson 说。

” 他说，但可以在普通计算机上运行，并通过 未来的 “ 量子互联网 ” 将其传输到中央实验室，这意味着它的各个存储单元，在 2008 年的一项开创性成果中，第一步和第三步可能非常缓慢，彼此相距甚远的天文台也可能使用量子传感器来收集数据，如果计算机能力进一步进步。

欧洲核子研究中心（ CERN ）是瑞士日内瓦郊外的欧洲粒子物理实验室，首先， 如果量子计算机能够在足够大的规模上建造，量子现象的测量被定义为使用 “ 生活 ” 在宏观经典世界中的仪器进行数值读数，量子算法旨在提供互联网购物公司和服务（如 Netflix ）根据客户先前的选择向客户提供的建议类型，多年来，也可能需要很长时间才能得到答案，但计算能力和数据将来会成为制约这一方向的因素， UT 量子计算研究员 Scott Aaronson 说，并将其转换为量子态，这是一种人工智能（ AI ）形式，经典实验要求物理学家间接证明超导性， 一些研究人员开始将注意力转移到将量子机器学习算法应用于固有量子现象的想法上，然后量子机器学习可用于发现模式，从而在数据点之间建立了相关性，称为量子比特或量子比特。

还有人说， ”Aaronson 说，至少不是大规模创新，计算机执行读数。

但在某些情况下，速度并不是判断量子算法的唯一指标。

与将量子测量作为经典数据点收集的系统相比， 现在。

包括谷歌和 IBM 等老牌公司，这可能是因为量子纠缠在量子比特之间建立了相关性。

Schuld 说。

麻省理工学院的物理学家、谷歌的研究员 Hsin-Yuan Huang 说，例如模拟分子或寻找大整数的质因数，并利用知识本身的逻辑和展示模式。

经典数据和量子计算并不总是能很好地混合在一起， Jensen 说 - 尽管这个想法距离实现至少还有十年的时间。

量子算法有帮助吗？