IBM创建出新的量子算法，可提高机器学习效率

IBM公司的研究人员宣称，他们已经创建出了新的量子算法，能够在量子计算机上支持先进的机器学习。

在今天发表在非同行评议学术论文储存库arXiv上的论文中，IBM的研究团队描述了其创造出“量子算法”的过程，使量子计算机能够以远远超出传统计算机所能达到的规模来执行“特征映射”(feature mapping)算法。

量子计算利用亚原子粒子的奇异能力，即在任何时候都能存在于多种状态中。由于这种最小粒子的行为方式，操作可以比传统计算机更快地完成，且消耗更少的能量。在传统计算中，位是可以两种状态(1或0)存在的单个信息。但是量子计算使用量子位，可以存储比1或0多得多的信息，因为它们可以存在于这些值的任何叠加中。

IBM的研究团队解释说，“特征映射”涉及到一种分解信息的过程，以便访问这些数据的“更精细的方面”。传统的机器学习算法已经在某种程度上做到了这一点，例如通过提取图像的像素并根据每个像素的颜色值将其放在相同网格中。然后，算法以非线性的方式将这些值映射到高维空间，本质上是根据其最有用的特性对数据进行分解。

然而，研究人员表示，有了IBM的新量子算法，就有可能在更高水平上分离这些数据的各个方面和特点。这一点很重要，因为数据分类越精确，机器学习系统的效率就越高。

IBM的研究团队说：“我们的目标是使用量子计算机来创建新的分类器，以生成更复杂的数据地图。通过这样做，研究人员将能够开发出更有效的人工智能，例如可以识别传统计算机看不到的数据模式。”

IBM的研究人员注意到，新的算法还没有实现“量子优势”(quantum advantage)，而这是量子计算机性能超越传统计算机的关键。IBM研究员表示，这主要是因为量子计算机还处于起步阶段，受到当前硬件能力的限制。

研究人员说：“我们的研究还没有显示出量子优势，因为根据目前的硬件能力，我们只使用了两个量子计算能力，就将问题的范围减到了最小，这也可以在传统计算机上进行模拟。”

不过，硅谷技术研究和咨询公司Constellation Research分析师霍尔格·穆勒(Holger Mueller)称，IBM的工作再次表明，量子计算将要比目前可用的任何计算基础设施更好地运行下一代应用程序。

穆勒说：“IBM已经证明，与其他任何计算机相比，像特征映射这样的机器学习算法在量子计算机上运行得更好，功能调用算法非常适合量子计算。”

IBM表示，该公司的新算法将通过其面向开发人员、研究人员和其他专家的Qiskit Aqua开放源码库提供给所有人使用。