量子計算公司 Xanadu 最近與防務巨頭洛克希德·馬丁（Lockheed Martin）展開了一項新的研究計劃，旨在推進量子機器學習（Quantum Machine Learning, QML）的邊界。這個合作將探討量子系統是否能夠驅動新型生成模型，這些模型在數據稀缺的環境中超越傳統人工智能的表現。兩家公司均表示，這項工作最終可能對國防、金融和製藥研究產生影響。研究的重點位於量子理論與先進機器學習的交集。
這次合作的核心是生成模型。這些系統會學習數據中的模式並生成新的、現實的輸出。當前，大型語言模型和圖像生成器均依賴類似的技術。然而，傳統生成模型需要大量數據集和顯著的計算能力，並且消耗大量能源，這限制了它們在數據稀缺或嚴格控制的環境中的應用。Xanadu 和洛克希德·馬丁希望測試量子計算機是否能以不同的方式解決這個問題。他們的研究將檢視傅里葉基和量子本地操作，這些是傳統系統無法複製的。
Xanadu 的創始人兼首席執行官 Christian Weedbrook 表示，這項工作是重新思考量子計算機學習基礎的過程。他指出，「通過重新審視核心的量子原則，我們希望發現全新的數據表示和處理方式。」他補充說，洛克希德·馬丁的經驗增強了這一努力。「洛克希德·馬丁擁有深厚的專業知識，使其成為這次探索的理想夥伴。我們很高興能共同探討這些想法，並為不斷演變的量子機器學習理論做出貢獻。」
量子本地操作可能使模型能夠在更高維度的空間中表示信息，這樣可以減少數據需求，同時可能開啟超越傳統限制的新模式發現。洛克希德·馬丁認識到這一研究的國家安全潛力。該公司在先進計算、感測和安全通信方面做出了大量投資。洛克希德·馬丁的量子技術負責人 Dani Couger 表示，「我們正在積極探索可能改變計算和感測的量子技術，這與 Xanadu 的合作推進了 QML 的邊界，並深化了我們對未來量子系統如何支持國家安全和先進技術發展的理解。」
如果量子系統能夠利用傳統人工智能無法實現的操作，未來的工具可能會更快且更具韌性地處理信息。這將強化感測平台和數據融合系統，也可能改善決策支持技術。除了國防外，這項研究還可能影響依賴複雜模擬的行業。金融建模、藥物發現以及先進材料研究經常面臨數據有限的挑戰，量子增強的生成模型可能提供新的解決方案。
這項倡議建立在 Xanadu 更廣泛的量子軟件和光子硬件研究日程上。該公司專注於實用的量子應用，同時推進基礎理論。這次合作強調以理論為先。研究人員旨在回答有關量子系統如何學習和概括的開放性問題，這些基礎工作可能為未來的硬件和算法設計提供指導。目前，這項努力仍然是探索性的。實際的大規模量子機器學習仍面臨硬件和穩定性挑戰，但兩家公司均認為，今日的基礎性進展將塑造明日的計算優勢。隨著量子計算的成熟，競爭不僅將專注於量子位，還將圍繞算法和學習框架展開。Xanadu 和洛克希德·馬丁現在計劃測試量子生成模型是否能夠開啟下一個前沿領域。
