通過光量子計算機可以對數據點進行分類，從而提高傳統方法的準確性。圖：Iris Agresti

機器學習和量子計算是當前最熱門的研究領域之一。一項實驗研究表明，即使是小規模的量子計算機也能提升機器學習算法的性能。維也納大學的國際研究團隊在一臺光量子處理器上證明了這一點。這項最近發表在《 自然·光子學 》雜志上的工作，為光量子計算機展示了新的應用前景。

近期的科學突破正在重塑未來技術的發展。一方面，機器學習和人工智能已經從日常任務到科學研究等方面徹底改變了我們的生活。另一方面，量子計算已成為一種新的計算范式。

從這兩個有前景領域的結合中，一條新的研究線已經開辟出來：量子機器學習。該領域旨在尋找算法在量子平臺上運行時在速度、效率或準確性方面的潛在提升。然而，在當前技術水平的量子計算機上實現這種優勢仍然是一個開放性的挑戰。

這是國際研究團隊邁出的下一步，由維也納大學的科學家設計了一項新穎的實驗。該實驗裝置采用在米蘭理工大學（意大利）構建的量子光子電路，該電路運行由英國 Quantinuum 研究機構首先提出的機器學習算法。目標是利用光子量子計算機對數據點進行分類，并突出量子效應的貢獻，以了解其相對于經典計算機的優勢。實驗表明，即使是小型量子處理器也能比傳統算法表現更好。"我們發現，對于特定任務，我們的算法比其經典對應算法犯的錯誤更少"，維也納大學的 Philip Walther 解釋道，他是該項目的負責人。"這意味著現有的量子計算機可以在不必超越最先進技術的情況下展現出良好的性能"，論文的第一作者鄭昊因在《Nature Photonics》上發表的成果補充道。

另一個有趣的新研究方面是，光子平臺相對于標準計算機可以消耗更少的能量。"這在未來可能至關重要，因為機器學習算法由于能耗過高而變得不可行，"合著者 Iris Agresti 強調。

研究人員的成果對量子計算有影響，因為它確定了受益于量子效應的任務，同時也對標準計算有影響。實際上，可以設計出受量子架構啟發的全新算法，從而提高性能并減少能耗。