By 肯纳休斯 - 卡斯尔伯里 23 年 2022 月 XNUMX 日发布
说到创新新技术，人工智能和量子计算都名列前茅。人工智能 (AI) 或机器学习已经被公司广泛使用，以帮助提高效率或发现问题。人工智能使用数据和算法来识别数据中的模式，并以类似于人类的方式进行学习。同样，量子计算利用 算法 比传统计算机更快地解决难题。对于许多公司来说，结合这两种技术的能力可以带来一些强大的优势，特别是对于量子计算。
人工智能如何与量子计算对接？
NVIDIA 执行副总裁、总法律顾问兼秘书 Tim Teter 就量子机器学习 (QML) 发表演讲 (PC NVIDIA.com)
公司喜欢 NVIDIA公司，正在引领人工智能和量子计算的技术市场。目前，他们正在寻求将这两者结合成一项新技术，即所谓的“量子机器学习”（质量管理语言）。在量子机器学习中，量子信息过程补充了机器学习 分析 提供更高水平的结果。根据 蒂姆·泰特、执行副总裁、总法律顾问兼秘书 NVIDIA公司：“预计在[量子机器学习]中将会出现数学上严格的量子优势的情况。其中一个例子是在量子生成模型中，因为像量子相关性这样的东西很难用经典的方式表示，所以量子计算机在使用生成模型时可能具有更强的表达能力。这些用于自然语言处理等应用程序。”
最近 谷歌AI 博客阐述了量子机器学习的好处，特别是对于量子传感器。由于量子传感器在高精度测量中具有影响力，例如 引力 波，拥有一种提高这些设备的稳定性和可扩展性的方法将改变游戏规则。根据该博客，量子机器学习：“跨越了量子计算机和量子传感器之间的界限……量子计算机可以存储量子数据并实现 QML 算法来处理数据，而不是测量量子态，而不会破坏数据。”由于量子计算机特别脆弱，因此使用量子机器学习不仅可以减少环境噪声，还可以使可扩展性变得更加可能。
人工智能如何协助量子可扩展性
扩大量子计算机规模面临许多挑战。最大的问题之一是控制大量的 量子比特 在更大的量子系统中。值得庆幸的是，机器学习可以帮助克服这一挑战。泰特解释说：“机器学习可以帮助真正解决未来的一个大问题，即随着量子系统开始扩展到更多量子位，困难将在于校准和控制量子系统。” “部署量子计算机涉及调整和校准每个量子位的大量参数。如今，量子科学家花费大量时间手动完成这项工作，但在未来，随着系统扩展到部署场景，这当然是不可行的。因此，我们认为 NVIDIA 平台非常适合以混合方式与量子计算配对。” NVIDIA 的混合平台 QODA （量子优化设备架构）将经典计算和量子计算与添加机器学习程序的可用性相结合。
创造变革的未来
尽管 NVIDIA 的 QODA 平台只是量子计算和人工智能相结合的众多平台之一，但它是利用这两种创新技术实现新突破的更大趋势的一部分。泰特补充道：“人工智能是一种变革性技术，越来越多地被各种不同行业所采用，以解决没有人工智能就无法解决的更困难的问题。” “虽然量子计算的发展还比较早，但它有望在未来对广泛的行业产生类似的颠覆性影响。”
Kenna Hughes-Castleberry 是 Inside Quantum Technology 的特约撰稿人和 JILA（科罗拉多大学博尔德分校与 NIST 的合作机构）的科学传播者。 她的写作节奏包括深度技术、元宇宙和量子技术。
