一组研究人员展示了即使是小规模的量子计算机也能通过一种新颖的光子量子电路提升机器学习性能。他们的发现表明，今天的量子技术不仅仅是实验性的，它在特定任务中已经可以超越经典系统。值得注意的是，这种光子方法还可以大幅减少能量消耗，提供一个可持续的前进道路，因为机器学习的能量需求正在飙升。
当前的热门研究主题之一是将两项最近的技术突破结合起来：机器学习和量子计算。一项实验性研究显示，已经小规模的量子计算机可以提升机器学习算法的性能。这项研究由维也纳大学的国际研究团队在光子量子处理器上进行。该研究最近发表在Nature Photonics上，展示了光学量子计算机的新应用前景。
最近的科学突破重塑了未来技术的发展。一方面，机器学习和人工智能已经从日常任务到科学研究彻底改变了我们的生活。另一方面，量子计算作为一种新的计算范式应运而生。
从这两个有前景领域的结合中，开辟了一个新的研究方向：量子机器学习。该领域的目标是寻找算法在量子平台上运行时在速度、效率或准确性方面的潜在提升。然而，在当前技术量子计算机上实现这样的优势仍然是一个开放的挑战。
这就是国际研究团队迈出下一步的地方，他们设计了一项由维也纳大学的科学家进行的新实验。该设定采用了一种在米兰理工大学（意大利）构建的量子光子电路，运行了一种最初由在Quantinuum（英国）工作的研究人员提出的机器学习算法。目标是使用光子量子计算机对数据点进行分类，分析量子效应的贡献，以理解与经典计算机相比的优势。实验表明，已经小型的量子处理器的表现优于传统算法。“我们发现，在特定任务中，我们的算法的错误率低于其经典对应物，”项目负责人维也纳大学的Philip Walther解释道。“这意味着现有的量子计算机可以表现良好，而不一定要超越最先进的技术，”该研究在Nature Photonics上发表的第一作者Zhenghao Yin补充道。
新研究的另一个有趣方面是，光子平台相较于标准计算机可以消耗更少的能量。“考虑到机器学习算法的能量需求过高而变得不可行，这在未来可能至关重要，”共同作者Iris Agresti强调。
研究者的结果对量子计算有影响，因为它确定了受益于量子效应的任务，同时也对标准计算产生影响。确实，受到量子架构启发的新算法可以被设计出来，达到更好的性能并降低能量消耗。
