当量子计算遇到机器学习会碰撞出什么火花？

　　强强联合的化学反应

　　“量子机器学习的更多应用还须等到可以实现大规模量子信息存储，以及有成熟的量子计算机出现才行。”韩正甫说，发那科机器人维修，但事实上，量子计算机的概念1980年代提出，投入研发20年，迄今还没有一台真正走出实验室。

　　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”。

　　刘激扬也表示，量子计算机是真正实现量子机器学习算法实用化的重要硬件基础，要想将量子机器学习算法应用于实际的数据分析和处理任务中，需要将数据转化为量子态，上传至计算机中，进行存储、处理并导出，这就需要研制出具有成百上千超导量子比特的量子计算机，“在通用量子计算机建造成功之前，量子机器学习算法则很难在实际应用中展现出其数据处理方面的强大能力。”

　　“除了持续推动‘AI+行业解决方案’服务模式落地外，我们会跟进量子机器学习的进展并积极部署，思索如何将这些新兴技术融入国双独有的产业人工智能平台，致力落实用技术改变产业，为客户实现智能化转型而努力。”刘激扬说。

　　在刘激扬看来，量子机器学习还缺乏完备的理论框架及实际验证。“由于量子机器学习只能在量子状态下进行，而当前由经典信息到量子信息的转换研究较少，还有很多问题未解决。”

　　“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。

　　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，伺服电机维修，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。

　　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。

　　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。

　　在机器学习领域深耕多年的国双，也一直关注着量子机器学习等相关领域的最新动态。刘激扬说，目前，该公司的产业人工智能平台搭载包括机器学习、知识图谱、自然语言处理等人工智能技术与算法，在数字营销、司法大数据、工业互联网等领域都积累了丰富的实践经验及成功案例，切实的帮助客户提升生产运营效率。

　　两者并非“油和水”的混合

　　张胜誉分析道，由于硬件资源的受限，量子机器学习的验证和发展确实有很多瓶颈。“理论上可以进行更多量子加速的研究，实践上也可以结合硬件不停推进对物理化学中基本问题的理解。”他认为，这个领域最终的突破，可能需要理论和硬件手拉手往前走。

　　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。