ScienceAI ScienceAI   編輯 | 綠蘿

經(jīng)典機(jī)器學(xué)習(xí) (ML) 算法已被證明是適用于各種任務(wù)的強(qiáng)大工具，包括圖像和語(yǔ)音識(shí)別、自然語(yǔ)言處理 (NLP) 和預(yù)測(cè)建模。然而，經(jīng)典算法受到經(jīng)典計(jì)算的限制，可能難以處理大型復(fù)雜的數(shù)據(jù)集或達(dá)到高水平的準(zhǔn)確度和精度。

進(jìn)入量子機(jī)器學(xué)習(xí) (QML)。QML 將量子計(jì)算的強(qiáng)大功能與 ML 的預(yù)測(cè)能力相結(jié)合，克服了經(jīng)典算法的局限性并提高了性能。英國(guó)布里斯托爾大學(xué)的 Richard Jozsa 和 Neil Linden 在他們的論文《On the role of entanglement in quantum-computational speed-up》中寫(xiě)道：「QML 算法有望在某些任務(wù)上提供指數(shù)級(jí)的加速，例如數(shù)據(jù)分類(lèi)、特征選擇和聚類(lèi)分析。特別是，使用量子算法進(jìn)行有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)，有可能徹底改變機(jī)器學(xué)習(xí)和人工智能�！�

論文地址：https://arxiv.org/abs/quant-ph/0201143

QML 與經(jīng)典機(jī)器學(xué)習(xí)

Tredence 數(shù)據(jù)科學(xué)和人工智能高級(jí)總監(jiān) Zohra Ladha 表示，QML 在幾個(gè)關(guān)鍵方面與傳統(tǒng)機(jī)器學(xué)習(xí)不同：

·     量子并行性：量子算法可以利用稱(chēng)為量子并行性的量子系統(tǒng)的獨(dú)特屬性，這允許它們同時(shí)執(zhí)行多個(gè)計(jì)算。在處理大量數(shù)據(jù)（例如圖像或語(yǔ)音）時(shí)，這可以顯著減少解決問(wèn)題所需的時(shí)間。

·     量子疊加：量子疊加允許量子算法同時(shí)表示多個(gè)狀態(tài)。這可以使其能夠探索問(wèn)題的可能解決方案，從而導(dǎo)致更準(zhǔn)確和有效的解決方案。

·     量子糾纏：量子算法也可以利用量子糾纏的特性，它允許量子系統(tǒng)以經(jīng)典物理學(xué)無(wú)法解釋的方式相互關(guān)聯(lián)。這可以使量子算法比經(jīng)典算法更有效地執(zhí)行某些任務(wù)。傳統(tǒng)的機(jī)器學(xué)習(xí)算法依賴(lài)于經(jīng)典計(jì)算技術(shù)并且缺乏這些量子能力，在某些情況下可能會(huì)更慢或更不準(zhǔn)確。

QML 之旅：從研究到現(xiàn)實(shí)世界

量子機(jī)器學(xué)習(xí)的研究始于 80 年代。在 20 世紀(jì) 90 年代末和 21 世紀(jì)初，研究人員開(kāi)發(fā)了量子神經(jīng)網(wǎng)絡(luò)，以證明量子系統(tǒng)在機(jī)器學(xué)習(xí)方面的潛力，可以通過(guò)訓(xùn)練來(lái)識(shí)別數(shù)據(jù)中的模式。這些網(wǎng)絡(luò)已被應(yīng)用于廣泛的現(xiàn)實(shí)世界問(wèn)題。

十年后，研究人員開(kāi)發(fā)了用于機(jī)器學(xué)習(xí)任務(wù)的量子算法和軟件工具。其中包括流行機(jī)器學(xué)習(xí)算法的量子版本，例如支持向量機(jī)、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)。量子計(jì)算機(jī)的發(fā)展也是 QML 發(fā)展的關(guān)鍵因素。在 21 世紀(jì)10 年代和21 世紀(jì) 20 年代，一些公司和研究小組開(kāi)發(fā)了可以執(zhí)行機(jī)器學(xué)習(xí)任務(wù)的量子計(jì)算機(jī)。其中包括基于門(mén)的量子計(jì)算機(jī)和量子退火器。到 21 世紀(jì) 20 年代，QML 開(kāi)始在模式識(shí)別、自然語(yǔ)言處理和優(yōu)化等應(yīng)用中得到廣泛采用。今天，QML 最有前途的應(yīng)用之一是藥物發(fā)現(xiàn)。傳統(tǒng)的藥物發(fā)現(xiàn)過(guò)程可能緩慢、昂貴且不穩(wěn)定。QML 有可能加速這個(gè)過(guò)程。Tech Mahindra 制造商實(shí)驗(yàn)室全球負(fù)責(zé)人 Nikhil Malhotra 表示：「在我們初步成功找到 COVID-19 治療分子后，我們希望擴(kuò)大空間以產(chǎn)生更小的分子�！� 「量子 GAN 或混合 GAN 生成是我們正在嘗試的小分子。我相信，這將顯著推進(jìn)藥物發(fā)現(xiàn)，甚至新藥研發(fā)�！菇鹑谑袌�(chǎng)是 QML 顯示出希望的另一個(gè)領(lǐng)域。摩根大通未來(lái)應(yīng)用研究與工程實(shí)驗(yàn)室（JPMorgan’s Future Lab for Applied Research and Engineering） 2021 年的一篇論文得出結(jié)論，QML 可以執(zhí)行資產(chǎn)定價(jià)、預(yù)測(cè)波動(dòng)性、預(yù)測(cè)奇異期權(quán)的結(jié)果、欺詐檢測(cè)、股票選擇、對(duì)沖基金選擇、算法交易、做市、財(cái)務(wù)預(yù)測(cè)、會(huì)計(jì)和審計(jì)以及風(fēng)險(xiǎn)評(píng)估等任務(wù)，比經(jīng)典算法更快、更準(zhǔn)確。

論文地址：https://arxiv.org/pdf/2109.04298.pdf

2023 年量子機(jī)器學(xué)習(xí)的前景

「QML 是一個(gè)令人興奮且發(fā)展迅速的領(lǐng)域，有可能對(duì)廣泛的行業(yè)和應(yīng)用產(chǎn)生重大影響，」Ladha 說(shuō)。到 2023 年，她預(yù)測(cè)量子算法有可能更快、更準(zhǔn)確地執(zhí)行某些機(jī)器學(xué)習(xí)任務(wù)，尤其是圖像和語(yǔ)音識(shí)別等需要處理大量數(shù)據(jù)的任務(wù)。她還指出，QML 可以解決機(jī)器學(xué)習(xí)任務(wù)中經(jīng)常出現(xiàn)且使用經(jīng)典算法難以解決的優(yōu)化問(wèn)題。Ladha 預(yù)測(cè)，量子算法更有效地解決這些問(wèn)題的能力可以使金融和物流受益。

網(wǎng)絡(luò)安全是她預(yù)測(cè) QML 會(huì)產(chǎn)生影響的另一個(gè)領(lǐng)域。「通過(guò)開(kāi)發(fā)更復(fù)雜的算法來(lái)檢測(cè)和防止網(wǎng)絡(luò)攻擊，量子機(jī)器學(xué)習(xí)可以提高系統(tǒng)的安全性，」她說(shuō)。Malhotra 表示，他希望看到絕大多數(shù) ML 算法，特別是人工神經(jīng)網(wǎng)絡(luò)上的算法，能夠作為量子機(jī)器學(xué)習(xí)算法在量子機(jī)器上進(jìn)行試驗(yàn)�！肝覀円呀�(jīng)看到了 QNLP、Q-GAN 等早期版本，甚至是量子電路上的強(qiáng)化學(xué)習(xí)。我預(yù)計(jì)這一趨勢(shì)將在 2023 年繼續(xù)增長(zhǎng)。」

量子機(jī)器學(xué)習(xí)挑戰(zhàn)依然存在

QML 之所以重要，是因?yàn)樗�的前景。有證據(jù)表明，與我們當(dāng)前的經(jīng)典技術(shù)相比，機(jī)器學(xué)習(xí)模型可以用更少的數(shù)據(jù)進(jìn)行更高的準(zhǔn)確性訓(xùn)練。然而，根據(jù) Deloitte Consulting LLP 全球量子主管兼政府和公共服務(wù)首席技術(shù)官 Scott Buchholz 的說(shuō)法，問(wèn)題的答案是「少多少？」 和「快多少？」 由于 QML 的以下挑戰(zhàn)而定期更改：

「在硬件方面，當(dāng)今最強(qiáng)大的量子計(jì)算機(jī)仍然有限——尤其是與當(dāng)今最強(qiáng)大的服務(wù)器相比。我們預(yù)計(jì)未來(lái)幾年這種情況會(huì)發(fā)生變化，因?yàn)榱孔佑?jì)算技術(shù)的進(jìn)步和發(fā)展空間要大得多。「在軟件和算法方面，量子計(jì)算機(jī)的工作方式與今天的計(jì)算機(jī)有著根本的不同。因此，研究人員正試圖找出將問(wèn)題映射到量子計(jì)算機(jī)上的最佳方法（實(shí)際上，確定哪些問(wèn)題可能對(duì)在量子計(jì)算機(jī)上解決有用）。當(dāng)我們提出更好的廣義映射時(shí)，其他人就更容易將他們的問(wèn)題「帶到量子計(jì)算機(jī)上」�！付嗄陙�(lái)，QML 一直是——并將繼續(xù)是——一個(gè)活躍的研究領(lǐng)域。隨著硬件和軟件成熟度的提高，我們可能會(huì)看到組織開(kāi)始評(píng)估 QML 在生產(chǎn)工作負(fù)載中的使用，」Buchholz 繼續(xù)說(shuō)道�！赣捎谖覀兙嚯x擁有一臺(tái)可以運(yùn)行生產(chǎn) QML 工作負(fù)載的機(jī)器還有幾年的時(shí)間，因此隨著硬件的不斷改進(jìn)，我們將繼續(xù)推進(jìn) QML 的最新技術(shù)水平。但我預(yù)計(jì) QML 在整個(gè) 2023 年都會(huì)取得漸進(jìn)的進(jìn)展——也就是說(shuō)，繼續(xù)改進(jìn)技術(shù)來(lái)擴(kuò)展容量、加載數(shù)據(jù)和運(yùn)行模型。」

參考內(nèi)容：https://venturebeat.com/ai/quantum-machine-learning-qml-poised-to-make-a-leap-in-2023/