潘建伟陆朝阳团队首次实现量子机器学习算法
提示:3月31日,中国科学技术大学发布消息,该校潘建伟教授及其同事陆朝阳排行、刘乃乐等组成的研究团队,在国际上首次实现量子机器学习算法。这是量子计算应用于大数据分析和人工智能领域的开创性实验工作。成
记者王健
3月31日,中国科学技术大学发布消息,该校潘建伟教授及其同事陆朝阳、刘乃乐等组成的研究团队,在国际上首次实现量子机器学习算法。这是量子计算应用于大数据分析和人工智能领域的开创性实验工作。成果发表在最新一期国际权威物理学期刊《物理评论快报》上。审稿人评价该工作"非常前沿,具有高度的兴趣""在量子机器学习这个重要而有趣的课题迈出了第一步"。
机器学习是人工智能的核心,通过使机器模拟人类学习行为,智能化地从过去的经历中获得经验,从而改善其整体性能,重组内在知识结构,并对未知事件进行准确的推断。机器学习在科学和工程等诸多领域都有着非常广泛的应用,例如金融分析、数据挖掘、生物信息学、医学诊断、电子商务等。
欧美主要发达国家政府和高科技公司已在积极整合研究力量和资源,抢滩布局,力争在量子信息技术应用方面占据先机。2013年,美国麻省理工学院塞斯·罗伊德教授提出理论预言,利用量子系统在高维向量分析方面的并行计算优势,可以为机器学习带来指数量级的加速,将远远超越现有经典计算机的运算速度。
人类产生的电子数据正在以每两年翻一番的增幅爆炸式增长。从理论上估计,计算两个亿亿亿维向量的距离,用目前全球最快的"天河二号"超级计算机大概需要几年的时间,而用千兆赫兹时钟频率的量子计算机则只需不到1秒就可完成。
潘建伟团队近年来对光学量子计算开展了系统性和战略性的研究,取得了一系列开创性的成果。最近,他们又发展了世界领先的光量子计算物理实现研究平台,在国际上率先实验实现了基于量子比特的机器学习算法演示。该算法以高维量子态编码经典数据,通过量子逻辑运算制备高维量子态和辅助量子比特之间的纠缠,量子纠缠特性带来的并行计算优势,快速提取出向量之间的距离等重要信息。
