【環球網科技頻道8月3日綜合報導】經過幾十年的研究之後,量子計算在人工智慧時代迎來春天。結合了人工神經網絡的量子計算可以滿足機器學習的計算需求,提供傳統計算機無法匹敵的性能表現、比傳統計算機快得多地解決問題。
目前全球範圍內已經掀起量子計算的熱潮。谷歌、微軟、IBM等科技巨頭正在往量子機器學習上投入大筆資金,多倫多大學還成立了一個量子機器學習創業孵化器。量子物理學家Jacob Biamonte說「『機器學習』現在正成為一個潮詞。在『機器學習』加上『量子』,它就變成了一個超級潮詞。」
然而,一個名不見經傳的18歲準研究生通過一篇論文、一個算法,就把量子計算趕下了神壇。外媒Quantamagazine報導,尤因·唐(Ewin Tang)上月初發布在網上的一篇論文《A quantum-inspired classical algorithm for recommendation systems》論證了存在一種經典算法使得普通計算機也可以實現量子計算在加速領域的性能。
美國德克薩斯州克薩斯大學奧斯汀分校的尤因·唐只有18歲,但並不是大一新生,而是即將本科畢業的準研究生。唐在2014 年14 歲那年,跳過中學四到六年級直接進入了大學。今年秋天他就將開始攻讀華盛頓大學的博士學位。
去年春天,唐報名量子計算領域的著名研究人員斯科特·阿倫森(Scott Aaronson)所教的量子信息課程。導師賞識唐的才華,並交給他一些問題做研究,比如用算法實現讓商家為用戶推薦可能喜歡的商品。這就好比現在國內流行的個性化推薦,也就是我們在使用購物、新聞和視頻類APP時接觸的「千人千面」。
對大多數人來說,個性化推薦問題很難,而且已經和量子計算掛鈎。2016 年,約爾達尼斯·克倫尼迪斯(Iordanis Kerenidis)和阿努帕姆·普拉卡什(Anupam Prakash)這兩位計算機科學家發布了一種量子算法,專門針對這類推薦問題。
計算機科學家們普遍認為,推薦問題是量子計算的典型應用場景,比傳統計算機解決起來快得多。唐也說,「這曾是證明量子計算機可大幅提速的最經典例子之一。」但緊接著他說「現在再也立不住腳。」
量子計算的研究目前還處在初級階段,只在少數幾個場景下量子計算機能夠秒殺傳統計算機,而且解決的都是針對性的能發揮量子計算優勢的問題。儘管如此,科學家們還是非常認可量子計算。
巴黎計算機科學基礎研究所的計算機科學家克倫尼迪斯(Kerenidis)說:「在我看來,這是機器學習和大數據領域的首批例子之一,表明了量子計算機可以做一些我們仍然不知道如何用經典計算機來做的事情。」
不過,約爾達尼斯·克倫尼迪斯(Iordanis Kerenidis)和阿努帕姆·普拉卡什(Anupam Prakash)在公布他們的量子計算算法的同時,並沒有證明不存在經典算法可以達到同樣的性能。
鑑於導師也認為並不存在這樣的經典算法,唐將自己的論文選題定為:證明沒有一種快速的經典推薦算法,佐證克倫尼迪斯和普拉卡什認為量子計算機可大幅提速的觀點。
然而,隨著研究深入,唐開始對這個結果有些懷疑。受到量子計算算法啟發,唐認為量子採樣技術在經典環境中可以複製,並且能夠超越已知的經典算法。
6月份加州大學伯克利分校的量子計算研討會,導師帶上了唐,並讓他做了兩次講座。從容應對了觀眾的提問之後,人們達成共識,認為唐的經典算法可能是正確的。
目前這一算法現正接受發布之前的同行評審。
唐的算法說不上對量子計算的一記重拳,畢竟是受到量子算法研究的啟發。可以說,此次事件證明了量子算法和經典算法可以互相促進。
另外,唐的論文只是說明了在推薦問題上傳統計算機也能有和量子計算一樣的性能表現,並不能說明量子計算機沒有研發的必要。
眾所周知的是,傳統計算機的算力隨著比特位的增加呈線性增長,而每增加一個量子比特位,則有可能使量子計算機的運算能力加倍(呈指數增長)。 因此量子計算未來必將有很廣泛的應用。例如:當晶片的製程小於20納米之後,量子效應就將嚴重影響晶片的設計和生產,單純通過減小製程將無法繼續遵循摩爾定律,而突破的希望恰在於量子計算。