未来的量子计算机应该能够进行超快速和可靠的的运算。但在今天，它仍然是一个重大的挑战。由瑞士苏黎世联邦理工学院（ETH）领导的计算机科学家们正对可靠的量子机器学习进行了早期的探索。

采蘑菇的人都知道，有毒和无毒的蘑菇最好分开，更不用说如果有人吃了有毒的东西会发生什么。在这样的“分类问题”里，我们需要区分某些对象并通过其特征将正在寻找的对象分配给某些类，计算机在这方面已经可以为人类提供有用的支持。

智能机器学习方法可以识别模式或对象并自动从数据集中挑选它们。例如，它们可以从照片数据库中挑选出无毒蘑菇的照片。特别是对于非常庞大和复杂的数据集，机器学习可以提供人类无法发现的（或是只有花更多时间才能发现的）有价值的结果。

然而对于某些计算任务，即使是当今可用的最快的超级计算机也达到了它们的极限。但这正是量子计算机最有前景能发挥作用的地方，终有一天它们也将能执行经典计算机无法解决的超快速计算。

具有这种“量子优势”的原因在于物理学，量子计算机通过利用原子、分子内或基本粒子之间发生的某些状态和相互作用来计算和处理信息。量子态可以叠加和纠缠的事实创造了一种资源，使量子计算机能够访问一组从根本上更丰富的处理逻辑。

与经典计算机不同的是，量子计算机不是用二进制代码或比特来计算，经典比特只能将信息处理为0或1，而量子比特（或量子位）它们对应粒子的量子态。关键的区别在于，量子比特不仅可以在每个计算步骤中实现一种状态（0或1），还可以实现两者叠加的状态。这些更通用的信息处理方式反过来又允许在某些问题中大幅提高计算速度。

将经典智慧转化到量子领域

量子计算的这些速度优势也是机器学习的应用机会，毕竟量子计算机可以计算机器学习方法所需的大量数据，能比经典计算机更快提高其结果的准确性。然而要真正发挥量子计算的潜力，必须使经典的机器学习方法适用量子计算机的特性。例如算法，即描述经典计算机如何解决某个问题的数学计算规则，我们必须为量子计算机制定不同的公式。

为机器学习开发功能良好的“量子算法”并非容易的事，因为在此过程中仍有一些需要克服的障碍。一部分是量子硬件原因。苏黎世联邦理工学院的研究人员目前拥有最多可处理17个量子比特的量子计算机。但如果量子计算机在某天能充分发挥其潜力，它们可能需要数千到数十万个量子比特。

量子噪声和错误的必然性

量子计算机面临的一项挑战是它们容易出错。今天的量子计算机在非常高的“噪声”水平下运行，因为错误或干扰在技术术语中是众所周知的。对于美国物理学会来说，这种噪声是扩大量子计算机规模的主要障碍。不存在用于纠正和减轻错误的综合解决方案。目前还没有找到生产无错误量子硬件的方法，50到100个量子比特的量子计算机太小，无法实现校正算法或软件。

在某种程度上，人们不得不接受这样一个事实，即原则上量子计算中的错误是不可避免的，因为具体计算步骤所基于的量子态智能用概率来区分和量化。另一方面，可以实现的是将噪声和扰动限制在某种程度上，但计算仍然能提供可靠的结果。计算机科学家将可靠运行的计算方法称为“鲁棒的”，并且在这种情况下也需要必要的“容错”。

这正是ETH计算机科学教授同时也是人工智能中心成员Zhang Ce领导的研究小组最近进行的探索，他们与上海交通大学的Liu Nana教授和伊利诺伊大学厄巴纳分校的Li Bo教授共同开发了一种新方法。这使得他们能够证明某些基于量子的机器学习模型的鲁棒性条件，以保证量子计算可靠且结果正确。该研究团队的成果发表在科学期刊“npj量子信息”上。

防止错误和黑客攻击

Zhang Ce教授课题组的博士后Zhao Zhikuan说：“当我们意识到量子算法与经典算法一样容易出现错误和扰动时，我们会估计某些机器学习任务出现这些错误和扰动的来源，以及如何保证我们所选算法的鲁棒性和可靠性......如果我们知道这一点，我们就可以信任计算结果，即使它们很嘈杂。”

研究人员以量子分类算法为例研究了这个问题，毕竟分类任务中的错误很棘手，因为它们会影响现实世界，例如把有毒蘑菇被归类为无毒蘑菇。也许最重要的是，使用量子假设检验的理论（受到其他研究人员最近在经典环境中应用假设检验工作的启发）允许区分量子态，ETH的研究人员确定了一个阈值，高于该阈值，量子分类的分配算法保证是正确的，其预测鲁棒性。

通过他们的鲁棒性方法，研究人员甚至可以验证错误的、有噪声输入的分类是否产生与干净、无噪声的输入相同的结果。根据他们的发现，研究人员还开发了一种保护方案，可用于指定计算的容错性，无论错误是自然原因还是黑客攻击操纵的结果。他们的鲁棒性方法适用于黑客攻击和自然错误。

由于量子计算中误差的影响随着系统规模的增大而增加，他们还正对这个问题进行研究。Zhang Ce的博士生、该论文的第一作者Maurice Weber说：“该方法还可以应用在更广泛的量子算法类别......我们乐观地认为，我们的稳健性条件将被证明是有用的，例如与更好理解分子电子结构的量子算法结合使用。”（编译:Qtech）