一个隶属于美国多个机构的研究小组，包括来自谷歌Quantum AI团队和澳大利亚的一位同事，他们最近提出了一种新理论，该理论表明量子计算机在某些机器学习任务上的处理速度要比经典计算机快得多。

在他们近日发表在《科学》杂志上的论文中，该小组描述了他们在谷歌的Sycamore量子处理器上进行测试时的理论和结果。莱顿大学城的Vedran Dunjko在同一期期刊上发表了一篇观点文章，概述了将量子计算与机器学习相结合的想法，以达到一个基于量子计算机的机器学习系统的新水平。

机器学习是一个系统，通过利用计算机对数据集进行训练，可以对新数据做出明智的猜测。量子计算涉及使用亚原子粒子来表示量子比特，作为执行应用程序的一种手段，其速度比传统计算机快很多倍。在这项新工作中，研究人员考虑了在量子计算机上运行机器学习应用的想法，这可能使它们更擅长学习，从而变得更有用。

为了验证这个想法是否可行，研究人员以一种新颖的方式提出了这个问题，他们设计了一个机器学习任务，可以通过多次重复的实验来进行学习。然后，他们开发了描述如何使用量子系统进行此类实验并从中学习的理论。

他们发现，他们能够证明量子计算机可以做到加快机器学习的速度，而且它可以比经典系统做得更好。事实上，他们发现用量子计算机学习一个概念所需的实验次数要比经典系统要少四个数量级。研究人员随后构建了这样一个系统，并在谷歌的Sycamore量子计算机上对其进行了测试，并证实了他们的理论。（编译:Qtech）