量子計算的現狀與未來

量子計算還處于起步階段，目前還沒有存在量子計算機的通用架構。然而，他們的原型已經在這裡，并在密碼學，物流，模組化和優化任務中顯示出有希望的結果。對于AI研究人員，優化和抽樣尤為重要，因為它能夠以更高的精度快速訓練機器學習模型。

目前，加拿大D-Wave是量子計算領域的領先公司。他們最新的機器D-Wave 2000Q包含2000個量子位，工作溫度為0.015K（略高于絕對零）。他們的目的不是在不久的将來創造通用量子計算機，而是比現有裝置可以做的很好——量子退火。

D-Wave 2000Q以毫秒級的尺度上輸入資料，找到解決方案并将其讀出。您可以輕松地重複整個過程多次，以獲得不同的解決方案。并且它比模拟退火的現代GPU實作速度高出數千倍。

量子退火适用于諸如玻耳茲曼機器等能源模型的教育訓練和抽樣。值得注意的是，無人值守學習，是AI研究人員面臨的一大挑戰，也可能是量子計算的關鍵。但數值精度存在問題。即使使用半精度浮點數也很難處理，是以目前大多數工作都是使用二進制變量進行的。

D-Wave正計劃在2019年之前建立适用于機器學習的工業級混合量子、經典計算機。另外，1QBit正在為其機器開發專門的軟體。

QA如何工作

簡而言之，量子退火是量子系統的受控能量減少的方法，其将量子位從疊加移動到具有低能量配置的經典狀态。任務描述被編碼為量子位之間的連接配接中的能量函數，并且通過退火，它們正在朝着一些最佳配置移動。

如果轉換緩慢進行，算法将以高機率找到基本狀态（即最優解）：

量子耦合允許量子位同時探索所有潛在的解決方案，同時量子隧道允許它們通過高能量障礙向“更好”狀态移動。這些2倍的效果使量子計算機解決許多難題的優化問題，比傳統計算機快。

IBM Q

另一個主要的研究團隊是IBM Q. Big Blue正在與Gate-model量子計算工作，他們的機器是Universal Quantum Computers。他們有更廣泛的應用程式，但同時他們更難控制。來自IBM的最先進的處理器具有16和17個量子位，實際上很難進一步擴充。

IBM的處理器的更一般架構允許他們運作任何量子算法。例如，Grover的算法可以找到一個黑盒子函數的輸入，該函數僅在函數的O（√N）評估中産生指定的輸出。更不用說整數分解的Shor算法，這對許多經典加密算法的安全性造成了很多問題。

順便說一下，16位數字版本是通過IBM Q Experience程式公開的。來自IBM Watson在AI社群的認知服務的聲譽現在是非常糟糕的。也許，IBM Q将能夠改變這種情況。

量子世界與量子神經網絡之間的另一件事是，對經典人造神經網絡進行固有随機修改。這是一個有趣的研究方向，但沒有任何有意義的成就。隻有理論研究和模拟。

總體而言，量子計算看起來像機器學習随機模型的一個有希望的方向。随着D-Wave和IBM的最新進展，我認為到2020年，我們可以期待量子計算機在AI中的實際應用。

原文釋出時間為：2017-08-28

本文作者：五聲科技

本文來源：

今日頭條

，如需轉載請聯系原作者。