英國(guó)劍橋2021年3月31日 /美通社/ -- 劍橋量子計(jì)算公司（CQC）的科學(xué)家開發(fā)出多種方法，并證明量子機(jī)器可以學(xué)習(xí)非常普遍的概率推理模型并從中提取隱藏的信息。這些方法可以改進(jìn)范圍廣泛的應(yīng)用，在這些應(yīng)用中，復(fù)雜系統(tǒng)中的推理和對(duì)不確定性的量化至關(guān)重要。例如，醫(yī)療診斷、任務(wù)關(guān)鍵型機(jī)器中的故障檢測(cè)或投資管理的財(cái)務(wù)預(yù)測(cè)。
CQC研究人員在預(yù)印庫arXiv上發(fā)表的這篇論文中確定，量子計(jì)算機(jī)可以學(xué)習(xí)應(yīng)對(duì)現(xiàn)實(shí)場(chǎng)景中典型的不確定性，而人類通常依靠直覺來處理這些不確定性。該研究團(tuán)隊(duì)由 Marcello Benedetti博士和共同作者Brian Coyle、 Michael Lubasch博士和 Matthias Rosenkranz博士帶領(lǐng)，是CQC量子機(jī)器學(xué)習(xí)事業(yè)部的一個(gè)部門，該部門由 Mattia Fiorentini博士領(lǐng)導(dǎo)。
該論文在模擬器和IBM Q量子計(jì)算機(jī)上實(shí)施了三種原理求證，以展示在以下方面的量子輔助推理：
原理求證表明，使用高度表現(xiàn)性推理模型的量子機(jī)器可以實(shí)現(xiàn)不同領(lǐng)域的新應(yīng)用。該論文利用了這樣一個(gè)事實(shí)，即從復(fù)雜的分布中取樣被認(rèn)為是在當(dāng)今嘈雜量子設(shè)備的機(jī)器學(xué)習(xí)中實(shí)現(xiàn)量子優(yōu)勢(shì)的最有希望的方法之一。這項(xiàng)開創(chuàng)性的工作表明，即使在目前的早期階段，量子計(jì)算對(duì)于研究諸如人類推理的仿真等科學(xué)界最具雄心的問題也是一項(xiàng)有效的工具。
各行業(yè)中的機(jī)器學(xué)習(xí)科學(xué)家以及量子軟件和硬件開發(fā)人員應(yīng)該是近期內(nèi)可從這一開發(fā)中受益最多的研究群體。
這篇Medium上的文章與科學(xué)論文配合，提供了關(guān)于這項(xiàng)開創(chuàng)性工作背后的各項(xiàng)原理闡述，并描述了該團(tuán)隊(duì)實(shí)施的原理求證。
隨著量子設(shè)備在未來幾年將得到改善，這項(xiàng)研究為將量子計(jì)算應(yīng)用于隨機(jī)性推理及其在工程和業(yè)務(wù)相關(guān)問題上的直接應(yīng)用奠定了基礎(chǔ)。
在這段視頻中， 我們的量子機(jī)器學(xué)習(xí)部門主管Mattia Fiorentini詳細(xì)說明了該項(xiàng)目的成果及其影響。
