研究人員顯示，即使是小型量子處理器也能在機器學習任務中超越傳統算法，這一發現為量子機器學習這一新興研究領域帶來了希望，預示著更快、更環保的計算未來。
這項研究結合了量子計算和機器學習，兩者都是當今最具破壞性的技術。隨著AI技術已廣泛應用於個人助理和科學研究等各個領域，量子計算則提供了一種全新的信息處理方式。這兩者的交集催生了一個快速增長的領域：量子機器學習。
這一新興學科探討量子系統是否能提升機器學習算法的速度、準確性或效率。然而，利用當前有限的量子硬件證明這一優勢仍然是一個主要挑戰，研究人員正開始面對這一挑戰。
由維也納大學領導的國際團隊進行的實驗使用了一個光子量子處理器來分類數據點，這是現代AI系統中的一項基本任務。研究人員發現，量子系統在錯誤率上優於其傳統對手，這是當前硬件下量子優勢的一個難得的現實展示。
這一突破是通過意大利米蘭理工大學開發的量子光子電路和英國Quantinuum提出的機器學習算法實現的。該實驗標誌著量子增強在實際AI任務中的首次展示，而非僅僅是模擬。
通過在分類過程中隔離量子貢獻，團隊能夠確定量子系統表現優異的具體情境。結果不僅驗證了光子量子處理器的潛力，還為識別量子計算在現實世界中能產生影響的機器學習任務奠定了基礎，即使在當前的有限硬件上。
維也納大學的項目負責人Philip Walther表示：「我們發現，在特定任務中，我們的算法比其傳統對手的錯誤率更低。」研究的第一作者Zhenghao Yin補充道：「這意味著現有的量子計算機能夠展現良好的性能，而不必超越現有的尖端技術。」
除了準確性之外，實驗還顯示出在能效方面的重要優勢。光子量子系統使用光來處理信息，因此其功耗顯著低於傳統硬件，這在AI的能量需求不斷上升的背景下變得愈加重要。共同作者Iris Agresti指出：「這在未來可能至關重要，因為隨著高能耗的機器學習算法變得不可行。」
這些發現表明，當前的量子設備已經能夠提供實質性的改進，可能會引導量子計算和傳統機器學習進入一個更具共生性的未來，在這個未來中，量子啟發的算法推動傳統邊界，而光子平台則有助於使AI更加可持續。
日本電話卡推介 / 台灣電話卡推介
一㩒即做：香港網速測試 SpeedTest HK
