近日，科学家暴戾量子计较机科罚某些学习任务的速率不错罕见经典计较机。联系论文发表在《科学》杂志。

图片来自《科学》

隶属于美国多家机构（包括谷歌Quantum AI）的商榷团队与澳大利亚商榷人员，共同暴戾了一种表面，以为量子计较机在科罚某些学习任务时，应比传统计较机速率更快。在论文中，该团队态状了他们在谷歌“悬铃木”Sycamore量子计较机上进行测试的表面和后果。

对此，荷兰莱顿大学副教学Vedran Dunjko在同期《科学》杂志发表了一篇Perspective前瞻性见解著作，概括了这一目的：将量子计较与机器学习相衔尾，以研发一个具有新水平的、基于计较机的学习系统。

机器学习是一种学习系统，其通过数据集查验过的计较机，对新数据进行基于一定信息的推断。量子计较则波及使用亚原子粒子来完了量子比特，以期比传统计较机更快现实诈欺步调。

用量子计较机径直科罚量子数据的实验（右），可能比用经典计较机测量量子态并科罚后果的传统实验（左）具有更大上风，图片来自谷歌Quantum AI Hook

前述商榷人员以为，用量子计较机径直科罚量子数据的实验，可能比用经典计较机测量量子态并科罚后果的传统实验具有更大上风。因此，他们暴戾在量子计较机上驱动机器学习诈欺步调的目的，这大约不错使机器学习更好地进行学习，从而更具实用性。

为了考证前述目的是否可行，商榷人员翻新性地策画了一个机器学习任务，该任务不错通过屡次叠加的实验来进行学习。同期，他们暴戾了联系表面，以态状如何使用量子系统来进行实验，并从中学习。

商榷人员暗示，他们能够评释量子计较机在前述机器学习任务上，不错比经典计较系统进展更优异。团队构建了一个系统，并在谷歌“悬铃木”Sycamore量子计较机上进行了测试，通过使用40个超导量子比特和1300个量子门进行实验，证明了其表面。他们发现，量子计较机学习一个倡导所需的实验次数比经典计较系统要低四个数目级，而且这种上风在瞻望物理系统的性质、现实量子主身分分析和学习物理能源学方面均获取了展示。

前述职责标明yb综合，若是实用量子计较机被诞生出来，它也许能够以更大限度学习新事物。