当量子计算遇到机器学习会碰撞出什么火花？

　　没有人会怀疑，量子计算和机器学习是当前最炙手可热的两个研究领域。

　　在量子计算方面，理论和硬件的一个个突破性进展让人们看到大规模通用量子计算机的脚步越来越近。

　　在机器学习方面，以人工神经网络为代表的方法在视觉、语音、自然语言理解、游戏等应用领域中有了很大的性能提升。三位深度学习领域专家获得2019年图灵奖，更是被评论为“意味着AI复兴元年的到来”。

　　当量子计算和机器学习相遇，会碰撞出什么火花？“总的来看，这是一个还处于早期探索，未来有很大发展空间可以期待的领域。” 腾讯杰出科学家、腾讯量子实验室负责人张胜誉评价道。

　　两者并非“油和水”的混合

　　早在上世纪90年代，威奇塔州立大学的物理学教授伊丽莎白·贝尔曼就开始研究量子物理与人工智能的结合，而在当时，神经网络还堪称是特立独行的技术。大多数人认为这是在把油和水进行混合。她回忆说：“我花了很长时间才把论文出版。与神经网络相关的期刊会说，‘量子力学是什么？’，而物理期刊会说，‘神经网络是什么？’”

　　但随着量子计算和机器学习在各自领域的进展，二者的结合似乎水到渠成。

　　神经网络和其他机器学习系统已成为人工智能时代的核心技术。具备机器学习能力的人工智能在某些方面的能力远超人类，不仅在国际象棋和数据挖掘等方面表现出众，而且在人类大脑所擅长的面部识别、语言翻译等方面进展迅速。通过后台的强大算力，这些系统的价值不断凸显。

　　但同时，传统计算机数据处理能力接近极限，而数据却在不断增长。正因此，业界展开了激烈竞争，看谁能率先推出一款比现有计算机更强大的量子计算机，来处理日益庞大的数据。

　　“机器学习技术的进步有赖于计算能力的提高，量子计算机的计算能力肯定比现有机器强太多，它必然能推动机器学习的发展，这就好比，一个脑子转得很快、更聪明的人比一个反应慢的人处理问题更快更好。” 中国科学技术大学中科院量子信息重点实验室研究员韩正甫告诉科技日报记者，机器学习可能会在很短的时间内处理超出当前能力的复杂问题。

　　北京国双科技有限公司(以下简称“国双”)首席技术官刘激扬在接受科技日报记者采访时则表示，随着产业数据规模的爆炸式增长，深度学习模型网络参数的不断扩增，现有的计算结构及框架，面对海量的数据规模及深层网络结构，处理分析所需的时间、硬件成本非常高，因此，亟须更为高效的解决方案。

　　强强联合的化学反应

　　刘激扬说，正因此，很多研究机构及科技公司都将目光集中到了量子计算领域。

　　“量子计算的独特性质，使得它无论是在数据处理能力还是数据存储能力上，在理论上都远超经典计算，所以若将其应用到机器学习中，不仅可以解决目前机器学习算法处理海量大数据时计算效率低等问题，甚至可能改变整个机器学习领域。”刘激扬说，机器学习和量子计算若结合，一方面是希望利用量子计算优良的数据处理能力，解决机器学习运算效率低的问题；另一方面探索使用量子力学的性质，开发更加智能的机器学习算法。

　　刘激扬具体分析道，机器学习与量子计算的结合，主要有以下几种形式：由于量子计算能够同时执行大量、复杂的计算过程，所以通过结合它可以使某些在传统机器学习中不可计算的问题变为可能， 从而大幅降低机器学习算法的计算复杂度；利用量子理论的并行性等加速特点直接与某些机器学习算法深度结合，从而可以催生出一批全新的量子机器学习模型，这些模型能够实现更高的计算效率；还可以利用机器学习算法，解决量子物理学领域中的一些难以分析的问题，如量子多体物理问题、 量子优化控制等。

　　“近十年涌现出大量量子技术和机器学习结合的研究，主要在用经典机器学习解释和帮助量子力学的研究，也有不少对经典机器学习设计高效量子算法的研究，还有少量其他方面，如量子启发式机器学习、用量子理论帮助理解机器学习中的现象等，大家得到了形式丰富的结果。”张胜誉告诉科技日报记者。

　　张胜誉与团队近日系统梳理了量子机器学习的发展，文章发表于《国家科学评论》2019年第1期出版的“量子计算”专题。

　　国内企业积极部署

　　“虽然进展喜人，但我们也应该注意到目前机器学习领域的很多结果在严格性、问题基础性和未来实用性上都还有很大的提升空间。总的来看，这是一个还处于早期探索，未来有很大发展空间可以期待的领域。”张胜誉认为。