工业生成式人工智能公司Zapata Computing宣布，其在量子增强生成式人工智能方面的研究成果已发表在著名的《自然·通信》杂志上。这篇题为“通过张量网络对参数化量子电路进行协同预训练”的文章展示了量子电路如何扩展和补充经典生成式人工智能的能力。

Zapata AI公司的首席执行官兼联合创始人Christopher Savoie说：“我们为那些为这项开创性工作做出了贡献的优秀研究人员感到无比自豪。量子技术可以为企业生成式人工智能应用带来巨大优势，而这项研究展示了我们是如何充分利用我们现有的资源来实现这些优势。这不再是一个量子与经典的问题，而是如何将两者协同使用，以更快地获得更好的结果。我们期待将这项研究应用于我们与企业客户的工作中。”

这项工作建立在Zapata AI用于生成式人工智能的量子技术组合在不断增长的基础之上。这些量子技术为解决企业问题提供了许多优势，这些优势包括可压缩计算成本高昂的大型模型、加快耗时且成本高昂的计算，以及为生成式人工智能提供更多样化、更高质量的输出。

Zapata AI公司的量子研究科学家 Jacob Miller说：“我们的工作结合了量子计算机和经典计算机的互补优势，并取得了比任何一种硬件本身都要更好的结果。人们通常认为量子技术和经典技术是相互竞争的，但我们的研究表明，经典方法实际上可以帮助克服量子设备优化过程中的一个主要限制。我们希望这种协同方法能够开始释放当今量子技术在解决棘手计算问题方面的真正潜力。”

Zapata AI的高级量子科学家Jing Chen则表示：“在我们的这篇论文中，我们展示了一般用在经典算法的张量网络如何成为量子算法的重要桥梁，它提供了一种独特的协同效应。这种整合不仅增强了这两个领域的实力，而且显著缓解了量子计算中贫瘠高原的挑战。我们的方法促进了合作，并利用了经典和量子方法的优势可更有效地解决复杂问题。”