沒有人會懷疑，量子計算和機器學(xué)習(xí)是當(dāng)前最炙手可熱的兩個研究領(lǐng)域。

在量子計算方面，理論和硬件的一個個突破性進展讓人們看到大規(guī)模通用量子計算機的腳步越來越近。

在機器學(xué)習(xí)方面，以人工神經(jīng)網(wǎng)絡(luò)為代表的方法在視覺、語音、自然語言理解、游戲等應(yīng)用領(lǐng)域中有了很大的性能提升。三位深度學(xué)習(xí)領(lǐng)域?qū)＜耀@得2019年圖靈獎，更是被評論為“意味著AI復(fù)興元年的到來”。

當(dāng)量子計算和機器學(xué)習(xí)相遇，會碰撞出什么火花？“總的來看，這是一個還處于早期探索，未來有很大發(fā)展空間可以期待的領(lǐng)域�！� 騰訊杰出科學(xué)家、騰訊量子實驗室負(fù)責(zé)人張勝譽評價道。

兩者并非“油和水”的混合

早在上世紀(jì)90年代，威奇塔州立大學(xué)的物理學(xué)教授伊麗莎白·貝爾曼就開始研究量子物理與人工智能的結(jié)合，而在當(dāng)時，神經(jīng)網(wǎng)絡(luò)還堪稱是特立獨行的技術(shù)。大多數(shù)人認(rèn)為這是在把油和水進行混合。她回憶說：“我花了很長時間才把論文出版。與神經(jīng)網(wǎng)絡(luò)相關(guān)的期刊會說，‘量子力學(xué)是什么？’，而物理期刊會說，‘神經(jīng)網(wǎng)絡(luò)是什么？’”

但隨著量子計算和機器學(xué)習(xí)在各自領(lǐng)域的進展，二者的結(jié)合似乎水到渠成。

神經(jīng)網(wǎng)絡(luò)和其他機器學(xué)習(xí)系統(tǒng)已成為人工智能時代的核心技術(shù)。具備機器學(xué)習(xí)能力的人工智能在某些方面的能力遠(yuǎn)超人類，不僅在國際象棋和數(shù)據(jù)挖掘等方面表現(xiàn)出眾，而且在人類大腦所擅長的面部識別、語言翻譯等方面進展迅速。通過后臺的強大算力，這些系統(tǒng)的價值不斷凸顯。

但同時，傳統(tǒng)計算機數(shù)據(jù)處理能力接近極限，而數(shù)據(jù)卻在不斷增長。正因此，業(yè)界展開了激烈競爭，看誰能率先推出一款比現(xiàn)有計算機更強大的量子計算機，來處理日益龐大的數(shù)據(jù)。

“機器學(xué)習(xí)技術(shù)的進步有賴于計算能力的提高，量子計算機的計算能力肯定比現(xiàn)有機器強太多，它必然能推動機器學(xué)習(xí)的發(fā)展，這就好比，一個腦子轉(zhuǎn)得很快、更聰明的人比一個反應(yīng)慢的人處理問題更快更好�！� 中國科學(xué)技術(shù)大學(xué)中科院量子信息重點實驗室研究員韓正甫告訴記者，機器學(xué)習(xí)可能會在很短的時間內(nèi)處理超出當(dāng)前能力的復(fù)雜問題。

北京國雙科技有限公司（以下簡稱“國雙”）首席技術(shù)官劉激揚在接受記者采訪時則表示，隨著產(chǎn)業(yè)數(shù)據(jù)規(guī)模的爆炸式增長，深度學(xué)習(xí)模型網(wǎng)絡(luò)參數(shù)的不斷擴增，現(xiàn)有的計算結(jié)構(gòu)及框架，面對海量的數(shù)據(jù)規(guī)模及深層網(wǎng)絡(luò)結(jié)構(gòu)，處理分析所需的時間、硬件成本非常高，因此，亟須更為高效的解決方案。

強強聯(lián)合的化學(xué)反應(yīng)

劉激揚說，正因此，很多研究機構(gòu)及科技公司都將目光集中到了量子計算領(lǐng)域。

“量子計算的獨特性質(zhì)，使得它無論是在數(shù)據(jù)處理能力還是數(shù)據(jù)存儲能力上，在理論上都遠(yuǎn)超經(jīng)典計算，所以若將其應(yīng)用到機器學(xué)習(xí)中，不僅可以解決目前機器學(xué)習(xí)算法處理海量大數(shù)據(jù)時計算效率低等問題，甚至可能改變整個機器學(xué)習(xí)領(lǐng)域�！眲⒓�揚說，機器學(xué)習(xí)和量子計算若結(jié)合，一方面是希望利用量子計算優(yōu)良的數(shù)據(jù)處理能力，解決機器學(xué)習(xí)運算效率低的問題；另一方面探索使用量子力學(xué)的性質(zhì)，開發(fā)更加智能的機器學(xué)習(xí)算法。

劉激揚具體分析道，機器學(xué)習(xí)與量子計算的結(jié)合，主要有以下幾種形式：由于量子計算能夠同時執(zhí)行大量、復(fù)雜的計算過程，所以通過結(jié)合它可以使某些在傳統(tǒng)機器學(xué)習(xí)中不可計算的問題變?yōu)榭赡埽?從而大幅降低機器學(xué)習(xí)算法的計算復(fù)雜度；利用量子理論的并行性等加速特點直接與某些機器學(xué)習(xí)算法深度結(jié)合，從而可以催生出一批全新的量子機器學(xué)習(xí)模型，這些模型能夠?qū)崿F(xiàn)更高的計算效率；還可以利用機器學(xué)習(xí)算法，解決量子物理學(xué)領(lǐng)域中的一些難以分析的問題，如量子多體物理問題、 量子優(yōu)化控制等。

“近十年涌現(xiàn)出大量量子技術(shù)和機器學(xué)習(xí)結(jié)合的研究，主要在用經(jīng)典機器學(xué)習(xí)解釋和幫助量子力學(xué)的研究，也有不少對經(jīng)典機器學(xué)習(xí)設(shè)計高效量子算法的研究，還有少量其他方面，如量子啟發(fā)式機器學(xué)習(xí)、用量子理論幫助理解機器學(xué)習(xí)中的現(xiàn)象等，大家得到了形式豐富的結(jié)果�！睆垊僮u告訴記者。

張勝譽與團隊近日系統(tǒng)梳理了量子機器學(xué)習(xí)的發(fā)展，文章發(fā)表于《國家科學(xué)評論》2019年第1期出版的“量子計算”專題。