近年来，人工智能(AI)已经无处不在，其应用包括智能语音、图像识别、医学诊断等等。与此同时，量子技术已被证明具有远超世界最强大超级计算机的计算能力。维也纳大学的物理学家现在展示了一种名为量子忆阻器(quantum-memristor)的新设备，它可以让我们将经典计算和量子计算的能力结合起来，以解锁前所未有的能力。该实验是与意大利国家研究委员会(CNR)和米兰理工大学的研究人员合作进行的，它是在一个基于单光子的集成量子处理器上实现的。该工作发表在最新一期的《自然·光子学》杂志上。

所有人工智能应用的核心是一种被称为神经网络的数学模型。这些模型的灵感来自于人类大脑的生物结构，它由相互连接的节点组成。就像我们的大脑通过不断地重新排列神经元之间的连接来学习一样，神经网络可以通过调整其内部结构来进行数学训练，直到它们能够完成人类级别的任务：识别我们的脸，解释医学图像以进行诊断，甚至驾驶我们的汽车。因此，具有开发能够快速有效地执行神经网络中所涉及的计算的集成设备已成为学术界和工业领域的主要研究焦点。

该领域的主要游戏规则改变者之一是2008年发现了制造忆阻器的方法。该设备根据对过去电流的记忆来改变其电阻，因此被命名为记忆电阻器或忆阻器。有了这一发现后，科学家立即意识到(在许多应用中)忆阻器的特殊行为与神经突触惊人地相似。因此，忆阻器成为了神经形态架构的基本组成部分。

由Philip Walther教授和Roberto Osellame博士领导的一组来自维也纳大学、意大利国家研究委员会(CNR)和米兰理工大学的实验物理学家现已证明，可以设计出一种具有与忆阻器具有相同行为的量子忆阻器，它能同时作用于量子态并能够编码和传输量子信息。但实现这样的设备具有挑战性，因为忆阻器的动力学往往与典型的量子行为相矛盾。

通过使用单光子并利用它们可在两条或更多路径的叠加中同时传播的这种独特能力，物理学家克服了这一挑战。在他们的实验中，单光子沿着激光写入到玻璃基板上的波导传播，并在多条路径的叠加上被引导。其中一条路径用于测量通过设备的光子通量，并且把该数量(通过复杂的电子反馈方案得出)调制为另一个输出上的传输，从而实现所需的忆阻行为。

除了演示量子忆阻器外，该研究团队还提供了一种模拟，它表明带有量子忆阻器的光网络可用于学习经典任务和量子任务，这暗示了量子忆阻器可能是人工智能和量子计算之间缺失的重要一环。该出版物的第一作者Michele Spagnolo说：“在人工智能中释放量子资源的全部潜力是当前量子物理学和计算机科学研究的最大挑战之一”。

此外，维也纳大学Philip Walther教授的小组最近也证明了，当使用量子资源和借用量子计算的解决方案时，机器模型可以更快地学习。这一新的成就代表了我们朝着量子人工智能成为现实的那一天又迈出了一步。（编译:Qtech）