量子机器学习的工作
量子机器学习 - 科技领域两大突破的结合，即量子物理和机器学习/人工智能 - 已经存在一段时间了，应该为我们如何解决提供一个新的维度使用量子计算概念的机器学习问题。本文重点介绍什么是量子、它如何改变我们目前了解机器学习的方式、它的基本功能块、它如何实现其高计算能力以及量子机器学习在现实世界中的应用。
什么是量子？
在物理学方面，量子是比原子还小的单位；那个微小级别的事物的行为方式与我们周围物体的行为方式不同。量子理论的基础是这些粒子可以改变它们的状态并在给定的时间点处于任何状态。量子力学对于理解微观和大型物理系统的行为至关重要。
量子计算是使用量子力学现象（如叠加）来执行更快且在空间和时间复杂性方面表现更好的计算。量子计算在机器学习领域的应用证明了自己比经典计算技术更好，从而产生了量子机器学习。
为什么是量子机器学习？
2017 年，微软 CEO Satya Nadella 以玉米迷宫为例，解释了经典计算机和量子计算机在计算能力和方法上的差异。现代经典计算机将使用蛮力和回溯算法来找到穿过迷宫的路径。它会选择一条路径，撞到障碍物，回到原来的起点，选择另一条路径并继续前进，直到找到出路。它肯定会找到解决方案，但会花费大量时间。想象一下，您的手机正在耗尽电池电量，并且算法长时间运行而没有最终解决方案。
这就是量子计算机来拯救的地方。它们解锁了惊人的并行性并同时遍历玉米迷宫中的每条路径，以在非常短的时间内为您找到最佳解决方案，并以指数方式减少步数。这就像发送'n'个无人机到'n'个路径并获得所有结果，即单位时间内的路径信息。
量子机器学习的基石
- 量子位：就像经典计算机使用位，即 0 和 1 来执行操作一样，量子计算机使用量子位或量子位。量子位可以用给定的方式之一表示：
- 电子，其中 1 和 0 分别是围绕原子核运行的电子的激发态和基态。
- 质子，其中 1 和 0 是光子的极化。
人们可以通过谷歌在其量子霸权实验中使用 53 个量子位来证明它可以在一台量子计算机上在 200 秒内执行一次计算，这在现有最强大的经典计算机上需要 10000多台计算机，这一事实可以理解量子位的威力。
- 叠加：在量子力学中，每个粒子或量子都表现出波粒二象性。这意味着我们不能单独使用波或粒子的定义来解释量子尺度物体的行为。类似地，量子位同时以 0 和 1 的形式存在。这种现象称为叠加。尽管当在监督下测量其能量或位置时，量子位会失去其叠加性，然后仅以一种状态存在。
- 纠缠：一个量子比特粒子的状态不能独立于其他粒子进行描述，即使它们相隔很远。如果在测量过程中一对粒子中的一个粒子处于“向下”的自旋状态，则信息将传送到另一个相关的粒子，该粒子采用“向上”的自旋状态。这种量子位相互作用的现象称为纠缠。
量子计算如何实现如此惊人的并行度？
虽然一个经典的二进制位在给定时间只能表示一种二进制配置，即 0 或 1，但一个量子位可以同时呈现两种状态（0 和 1）。因此， “n”个量子位可以表示 2 n个状态，这些状态可以在给定时间同时探索一个问题的 2 n 个解决方案，这与经典计算机中一次一个解决方案不同。添加更多量子位将成倍地增加计算机的计算能力，从而产生前所未有的惊人并行度。
我们可以在哪里应用量子机器学习？
- 在量子计算机上对经典数据建模，或创建新颖的受量子启发的经典算法，以实现更快的计算和更好的结果。
- 随着问题域的特征空间扩大，经典计算机的计算变得非常昂贵。使用叠加和其他量子特性，量子机器学习在内核评估和优化方面有广泛的帮助。
- 量子机器学习还具有绘制我们大脑中数万亿个神经元并解码基因组成的能力。
- 借助量子分类器和神经网络的监督学习和自适应分层学习
结论：
尽管量子机器学习已被证明具有强大的计算能力和极高的并行度，但它仍然是一个相对较新的概念。虽然在这个方向上已经取得了重大进展和研究，但我们尚未挖掘量子机器学习的真正潜力来开发新算法并发现更新更好的解决方案，以前所未有的方式解决现实世界的问题。