英(ying)國劍(jian)橋(qiao)2021年3月(yue)31日 /美(mei)通社/ -- 劍(jian)橋(qiao)量子計算公司(si)（）的(de)(de)科學(xue)家開發(fa)出(chu)多種方法(fa)，并證明量子機器(qi)可以(yi)學(xue)習非常普遍的(de)(de)概率推理模型并從中(zhong)提取隱藏的(de)(de)信息。這些方法(fa)可以(yi)改進范圍廣泛的(de)(de)應用(yong)，在(zai)這些應用(yong)中(zhong)，復雜系統(tong)中(zhong)的(de)(de)推理和(he)對不確定性的(de)(de)量化至關(guan)重要。例如，醫療(liao)診斷、任務關(guan)鍵型機器(qi)中(zhong)的(de)(de)故障檢測或(huo)投資管理的(de)(de)財務預測。
CQC研究人(ren)員在(zai)預印庫arXiv上發表的(de)這(zhe)篇(pian)中確定，量子計算機可以學習(xi)應(ying)對(dui)現實場景中典型的(de)不(bu)確定性(xing)，而人(ren)類(lei)通常(chang)依靠直覺(jue)來處理這(zhe)些不(bu)確定性(xing)。該(gai)(gai)研究團隊由 Marcello Benedetti博(bo)(bo)士(shi)和共(gong)同作(zuo)者Brian Coyle、 Michael Lubasch博(bo)(bo)士(shi)和 Matthias Rosenkranz博(bo)(bo)士(shi)帶領(ling)(ling)，是CQC量子機器(qi)學習(xi)事(shi)業部的(de)一個部門(men)，該(gai)(gai)部門(men)由 Mattia Fiorentini博(bo)(bo)士(shi)領(ling)(ling)導。
該(gai)論文在模(mo)擬(ni)器(qi)和(he)IBM Q量(liang)子計算機上實施(shi)了三種原理求(qiu)證，以展示在以下(xia)方(fang)面的量(liang)子輔助推理：
原理求證表(biao)明(ming)，使(shi)用(yong)高度表(biao)現(xian)性推(tui)(tui)理模型的(de)量(liang)子機(ji)器可以實(shi)(shi)現(xian)不同領(ling)域的(de)新應(ying)用(yong)。該論文利(li)用(yong)了這樣一個事實(shi)(shi)，即從復雜(za)的(de)分(fen)布中(zhong)(zhong)取樣被認為是(shi)在(zai)當今嘈雜(za)量(liang)子設備(bei)的(de)機(ji)器學(xue)習中(zhong)(zhong)實(shi)(shi)現(xian)量(liang)子優勢的(de)最(zui)有(you)希(xi)望(wang)的(de)方法之一。這項開創性的(de)工(gong)(gong)作(zuo)表(biao)明(ming)，即使(shi)在(zai)目前的(de)早期階段(duan)，量(liang)子計算對于研究(jiu)諸如人類推(tui)(tui)理的(de)仿真等科學(xue)界最(zui)具(ju)雄(xiong)心(xin)的(de)問題也是(shi)一項有(you)效(xiao)的(de)工(gong)(gong)具(ju)。
各行業(ye)中(zhong)的機器學(xue)習科(ke)學(xue)家(jia)以及(ji)量(liang)子軟件和(he)硬件開發人(ren)員應該是近期(qi)內可從這一開發中(zhong)受益最多的研究群體。
這篇Medium上的(de)與科學論文(wen)配合，提供了關于(yu)這項(xiang)開創性工作背(bei)后(hou)的(de)各項(xiang)原理(li)闡述，并(bing)描述了該團(tuan)隊實(shi)施(shi)的(de)原理(li)求證。
隨著量子設備(bei)在未來幾(ji)年(nian)將(jiang)得(de)到改善，這項研究為(wei)將(jiang)量子計算應用于隨機性推(tui)理(li)及其在工程和業務(wu)相關(guan)問(wen)題上的直接應用奠定了基礎。
在這段中， 我們(men)的量子機(ji)器(qi)學習部門主管Mattia Fiorentini詳細說明(ming)了(le)該項目的成(cheng)果及其影(ying)響。
