能以极低内存、更快速度处理数据，量子计算有望突破算力瓶颈

AI作图

不得不承认，量子计算机在特定计算任务上的潜力，远超传统计算机的想象范畴。那么，这种强大的计算能力，能支撑起当下流行的机器学习算法吗？美国加州理工学院黄信元团队的最新研究给出了一份积极的答案：在不远的将来，量子计算机确实有望处理那些目前需要消耗海量传统计算资源的人工智能任务。

这项数学研究的核心，是为量子计算机广泛助力人工智能的未来夯实理论基础。一旦实现，它对机器学习的推动将是革命性的。黄信元表示，机器学习已经渗透到科技场景乃至日常生活的方方面面；如果他们能造出这种量子计算架构，那么只要是海量数据集存在的地方，它都能派上用场。

先说一个关键拦路虎：现实世界中的数据收集。像餐厅点评、RNA测序结果，这些都属于非量子世界的数据。怎么把这些数据输入量子计算机，并利用其量子特性实现高效的机器学习？

传统思路是，把所有数据放进一种“叠加态”——一种无法在非量子机器上实现的数学组合。但这被普遍认为不切实际。团队成员赵海萌解释，按照既有思路，叠加态中的数据在量子计算机处理前，必须先存进专用存储设备。而这些设备的容量，大到难以想象。

于是，黄信元团队换了一条路：把数据分成小批量逐条输入，数据来一条，处理一条，不必等所有数据都存好再动手。这有点像在线播放流媒体电影，无需整部电影下载完就能观看，因此也不需巨型存储器了。

他们不仅证明了该方法可行，还表明它能让量子计算机以远低于任何传统计算机的内存成本，处理更多数据。赵海萌打了个比方：一台由大约300个逻辑量子比特构成的量子处理器，其存储能力就能超越一台由可观测宇宙中所有原子构成的传统计算机。

当然，造出300个逻辑量子比特的量子计算机，可能还需多年。但黄信元有信心，最快十年内就能造出一台拥有60个逻辑量子比特的计算机——在处理某些涉及大型数据集的人工智能任务时，相较于传统计算机，60比特量子计算机已能展现出明显优势。

不过，过去不少量子机器学习算法，最后都被证明可以“去量子化”——算法经调整后无需依赖任何量子硬件，依然保持优异性能。所以，量子特性对这一新算法到底有多关键，还有待考察。

荷兰莱顿大学的维德兰·邓科认为，这项研究可能特别适合大型科学实验，比如大型强子对撞机。这类实验持续产生数百万千兆字节的数据，常因内存不够而丢弃大部分数据——量子计算机的极低内存消耗，恰好能发挥优势。

眼下，量子计算机还无法接手塞满传统服务器的数据中心。未来它会朝两个方向走：一边扩展现有方法能适用的算法类型；一边设计新的量子计算机配置方案，实现以极低内存、更快速度处理数据。