在经典计算体系中，为了处理数据信息，我们通常依赖于随机存取存储器（RAM），它是与CPU直接交换数据的内部存储器。但在量子领域，处理数据并不像电子计算机那么简单。它面临的一个大问题是，如何对经典数据进行编码以便可以有效、快速地存储和检索。

慢的数据访问速度就意味着量子算法所具有加速效率会被访问数据的巨大时间成本所淹没，因此寻找有效的数据查询方法是许多研究团队的主攻方向。近日，由来自耶鲁大学和芝加哥大学成员组成的一个研究小组，他们最新的一项研究表明，组桶式的QRAM（量子随机存取存储器）结构具有出色的抗噪能力，使用该器件的查询缩放比例只与内存大小成对数关系。

QRAM是一种存储经典数据但允许以叠加方式执行查询的存储器，它让量子算法或量子机器学习算法可以处理这些数据，是一种实现量子算法所必需的部件。量子计算有诸如用于大因数分解的Shor算法和量子搜索的Grover算法等知名算法运算能力，而量子计算最令人兴奋的领域之一是它与机器学习的交叉学科。

随着对QRAM研究的深入，量子计算对经典数据的编码和存储检索能力也必将加强。我们可以预测的是，当它可以处理大量经典数据的时候，也是量子算法实现大规模商业化落地的时刻。（编译/RobotNet）