IBM Demos量子普通在人工智能中飞跃

麻省理工学院（马萨诸塞州理工学院）和牛津大学以及来自IBM Q PICION的研究人员，发表了一篇关于一个实验的论文，以展示量子计算如何加速机器学习。

本文在大自然中发布的国际科学杂志描述了量子计算机如何能够为特征映射进行传统计算机。这是机器学习的组件，用于拆卸数据以获得更精细的晶粒细节。

机器学习中的特征映射技术看起来已知的数据，以识别数据集中的特征，例如猫和狗的图像之间的差异。关于本文的计算机，IBM的研究员Kristan Temme介绍了这篇文章：“一个特征映射需要一个裸基准，并列出它的所有功能。”

在机器学习中，将机器训练具有复杂数据的机器被认为是具有挑战性的，其中数据采样少于唯一识别给定的特征所需的特征数量，例如猫或狗图像。

对于某些类型的数据分析，具有符合问题大小的特征映射缩放所需的计算资源，使得在传统计算机上难以解决。根据Temme的说法，这种复杂性似乎是对量子计算的理想选择。

“特征图和量子力学之间存在自然汇合，”他说。“您可以将量子电路应用于传统计算机上使用经典机器学习的特征映射。”

他补充说，虽然一些特征地图在传统计算机上工作良好，但其他特征贴图在量子计算机上执行更好。“我们希望能够识别传统上无法归类的特征地图，”他说。

在实验期间，Temme表示，研究人员选择了一个很难处理的特征映射，并选择了机器学习算法能够完全识别的已知数据集。然后在量子计算机上测试机器学习算法以检查其给出了预测结果。

Temme表示，研究人员需要识别可以从量子计算中受益的更多特征映射。为了帮助这一发现，他添加了整个软件和对实验的访问，他添加了GitHub上的开源。

“我们正在采取社区方法。很多人都必须提出特征地图和数据，“他说。

通过IBM Q作为云服务，还提供运行实验的量子计算机。