「當我展望未來，並且談及如何推動進步時，量子技術會是我們武器庫中的一把利器。」Alphabet CEO Sundar Pichai 在 2020 年世界經濟論壇年會上說道。
「通過量子技術，我們可以保持摩爾定律這樣的理論往前迭代和發展。潛力是巨大的，當然也有挑戰。量子計算將在未來 5-10 年間打破傳統的加密技術，這意味著量子加密技術將成為必需。隨著技術的推演，我認為人工智慧和量子技術的結合將幫助我們解決我們所遇到的最嚴峻的問題。」
量子計算和人工智慧早已經是各自領域炙手可熱的研究話題。在許多複雜的科學問題上，比如癌症檢測、預測地震餘震、極端天氣，探索新系外行星等等，我們已經可以看見機器學習逐漸顯露的優勢。
左側：含有微轉移淋巴結的載波片的放大圖 右側：相同視圖，在 LYNA（LYmph Node Assistant）輔助後用藍色標註出腫瘤的位置
量子計算是一種遵循量子力學規律調控量子信息單元進行計算的新型計算模式，它的處理效率要大大快於傳統的通用計算機。谷歌曾經在 2019 年宣布實現量子優越性（Quantum Supremacy），谷歌設計了一個實驗問題，在 53 量子比特的量子計算機上破解只需要 200 秒，而用全球最強大的超級計算機 Summit 則需要一萬年。
二者的結合會爆發怎樣的潛力？「機器學習技術的進步有賴於計算能力的提高，量子計算機的計算能力肯定比現有計算機強太多，它必然能推動機器學習的發展，這就好比，一個腦子轉得很快、更聰明的人比一個反應慢的人處理問題更快更好。」中國科學技術大學中科院量子信息重點實驗室研究員韓正甫接受科技日報採訪時說道。
反過來，當量子計算機逐漸推向大眾視野時，也需要更加智能的機器學習算法來「適配」。「然而迄今為止，我們還缺乏有效的研究工具能夠發現有用的量子機器學習模型（能夠處理量子數據，並在如今可用的量子計算機上執行處理任務）」，Google AI 博客中寫道。
距離 Sundar Pichai 參加世界經濟論壇年會一個月之後，Google 把這件事「正經地」搬上了牌桌。當地時間 3 月 9 日，谷歌宣布聯合滑鐵盧大學、大眾汽車、Google X 推出 TensorFlow Quantum（TFQ）——用於快速建立量子機器學習模型原型的開源庫。換句話說，TFQ 是一項軟體框架，在此之上，研究者可以更加容易地建立量子機器學習應用。
目前，TFQ 主要面向在經典量子電路模擬器上執行量子電路，未來 TFQ 將能夠在 Cirq 支持的實際量子處理器（包括谷歌自己的 Sycamore 量子晶片）上執行量子電路。
熟悉人工智慧的人對 TensorFlow 不會陌生，作為全球最流行的機器學習開源框架，簡化了深度神經網絡，提供可重複代碼，使得訓練複雜模型變得更簡單和方便。「量子版 TensorFlow」又能做到什麼？
根據 Google AI 博客的介紹，TFQ 提供了結合量子計算和機器學習研究領域的必要工具，以控制和建模自然或人工量子力學系統，例如 NISQ（嘈雜中型量子）算法，具有約 50-100 量子比特。底層是 TFQ 將 Cirq（專門為 NISQ 打造的 Python 開源庫，讓 NISQ 的編寫、操作和優化變得更加容易）與 TensorFlow 集成，並提供兼容現有 TensorFlow API 的量子計算基元和高性能量子電路模擬器，並為判別式（(Discriminative model）和生成式（Generative model）量子經典模型的設計和實現提供高級抽象。
「我們希望最終發現可能產生量子優勢的新的量子算法。」TFQ 白皮書中寫道。
在谷歌「量子優越性」吹起了戰鬥的號角之後，微軟，亞馬遜都紛紛入局量子計算這一領域。幾天前口罩生產商霍尼韋爾宣布將在未來三月內發布量子體積（Quantum Volume）最大的量子計算機，量子體積至少為 64。
極客公園此前報導過，業界普遍認為，要達到類似目前傳統計算機的通用計算形式，量子計算至少需要能控制 100 萬量子比特。挑戰在於，量子比特不像比特那樣容易控制，維持其較脆弱的狀態相當難，同時也要控制量子比特增加帶來的「噪音」問題。但是這不耽誤，人們已經開始勾畫對未來的無限想像。通過量子計算，人們能夠更好地了解分子和原子的運作方式，隨著量子計算的發展，傳統機器學習中不可計算的問題將變成可能，量子機器學習模型將在金融安全，醫學治療，傳感通訊等等領域大有作為。
責任編輯 宋德勝
圖片來源 谷歌官網