沒有人會懷疑，量子計算和機器學習是當前最炙手可熱的兩個研究領域。

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。

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

當量子計算和機器學習相遇，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域�！� 騰訊杰出科學家、騰訊量子實驗室負責人張勝譽評價道。

兩者并非“油和水”的混合

早在上世紀90年代，威奇塔州立大學的物理學教授伊麗莎白·貝爾曼就開始研究量子物理與人工智能的結合，而在當時，神經(jīng)網(wǎng)絡還堪稱是特立獨行的技術。大多數(shù)人認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)絡相關的期刊會說，‘量子力學是什么？’，而物理期刊會說，‘神經(jīng)網(wǎng)絡是什么？’”

但隨著量子計算和機器學習在各自領域的進展，二者的結合似乎水到渠成。

神經(jīng)網(wǎng)絡和其他機器學習系統(tǒng)已成為人工智能時代的核心技術。具備機器學習能力的人工智能在某些方面的能力遠超人類，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)。

“機器學習技術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習的發(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慢的人處理問題更快更好�！� 中國科學技術大學中科院量子信息重點實驗室研究員韓正甫告訴記者，機器學習可能會在很短的時間內(nèi)處理超出當前能力的復雜問題。

北京國雙科技有限公司（以下簡稱“國雙”）首席技術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，深度學習模型網(wǎng)絡參數(shù)的不斷擴增，現(xiàn)有的計算結構及框架，面對海量的數(shù)據(jù)規(guī)模及深層網(wǎng)絡結構，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)合的化學反應

劉激揚說，正因此，很多研究機構及科技公司都將目光集中到了量子計算領域。

“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，在理論上都遠超經(jīng)典計算，所以若將其應用到機器學習中，不僅可以解決目前機器學習算法處理海量大數(shù)據(jù)時計算效率低等問題，甚至可能改變整個機器學習領域�！眲⒓�揚說，機器學習和量子計算若結合，一方面是希望利用量子計算優(yōu)良的數(shù)據(jù)處理能力，解決機器學習運算效率低的問題；另一方面探索使用量子力學的性質(zhì)，開發(fā)更加智能的機器學習算法。

劉激揚具體分析道，機器學習與量子計算的結合，主要有以下幾種形式：由于量子計算能夠同時執(zhí)行大量、復雜的計算過程，所以通過結合它可以使某些在傳統(tǒng)機器學習中不可計算的問題變?yōu)榭赡埽?從而大幅降低機器學習算法的計算復雜度；利用量子理論的并行性等加速特點直接與某些機器學習算法深度結合，從而可以催生出一批全新的量子機器學習模型，這些模型能夠?qū)崿F(xiàn)更高的計算效率；還可以利用機器學習算法，解決量子物理學領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)出大量量子技術和機器學習結合的研究，主要在用經(jīng)典機器學習解釋和幫助量子力學的研究，也有不少對經(jīng)典機器學習設計高效量子算法的研究，還有少量其他方面，如量子啟發(fā)式機器學習、用量子理論幫助理解機器學習中的現(xiàn)象等，大家得到了形式豐富的結果�！睆垊僮u告訴記者。

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