当大数据变得太大时，这种机器学习算法可能是答案

大数据可能会持有一个未开发的潜力的世界，但是当您的数据集大于处理能力时会发生什么？一种抽头量子计算的新算法可能能够提供帮助。

根据MIT，滑铁卢大学和南加州大学的研究人员称，周一发表了一篇关于处理大规模复杂问题的新方法。通过组合量子计算和拓扑 - 几何分支 - 新的机器学习算法可以简化高度复杂的问题，并将解决方案放在更近的范围内。

拓扑专注于即使在弯曲和拉伸的情况下保持相同的属性，它特别适用于分析复杂网络中的连接，例如美国电网或互联网的全局互连。它还可以在大量数据集的最重要特征中有助于零。

拓扑分析的缺点是它的计算方式非常昂贵，但研究人员认为量子力学可以帮助。

这是一个例子：假设您有一个具有300分的数据集。一种传统的方法来分析该系统中的所有拓扑特征将需要“计算机大小的宇宙大小”，注意到Seth Lloyd，本文的领先作者和麻省理工学院机械工程机械工程教授。

换句话说，由于宇宙中存在粒子，因此需要大致多种处理单元，有效地使问题无法解决。

另一方面，通过新算法和量子计算机解决与Quantum计算机相同的问题将是更可管理的。在量子计算中，信息由类似于数字计算中使用的二进制位的量子位表示，但能够承担不仅仅是“0”或“1”状态，而且一次也是一次。根据LLOYD的说法，300点数据集是需要具有300个量子位的量子计算机，而不是一个整个宇宙的大小，而是需要具有300个量子位的量子计算机，并且根据LLOYD，在未来几年内可提供该尺寸的设备。

“我们的算法表明，您不需要大量计算机踢一些严肃的拓扑屁股，”他说。

Lloyd说，相同的方法可以用于分析世界经济，社交网络或“几乎任何涉及商品或信息的系统的系统”。概念验证实验已经在进行中。