原文作者：Davide Castelvecchi
科學(xué)家正在評(píng)估量子機(jī)器學(xué)習(xí)的潛力，但人工智能與量子計(jì)算的結(jié)合是否具有實(shí)際用處仍不清楚。
谷歌正在研究量子計(jì)算機(jī)是否能促進(jìn)機(jī)器學(xué)習(xí)技術(shù)。來源：Rocco Ceselin for Nature
請(qǐng)叫它未來主義計(jì)算的“復(fù)仇者聯(lián)盟”。將科技領(lǐng)域最火的兩個(gè)詞合起來機(jī)器學(xué)習(xí)和量子計(jì)算機(jī)“量子機(jī)器學(xué)習(xí)”便就此誕生。就和《復(fù)仇者聯(lián)盟》漫畫和電影一樣，超級(jí)英雄的全明星陣容注定奪人眼球。但科技和虛構(gòu)的故事一樣，離不開好的情節(jié)。
如果量子計(jì)算機(jī)能大規(guī)模建造，它們就能比普通數(shù)字化電子產(chǎn)品更快地解出某些問題，因?yàn)樗鼈兡芾脕喸邮澜绲莫?dú)特性質(zhì)。多年來，研究人員一直在思考這些問題是否也包括機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)這種人工智能（AI）技術(shù)使用計(jì)算機(jī)發(fā)現(xiàn)數(shù)據(jù)模式，學(xué)習(xí)規(guī)律，從而能在陌生場景中做出推斷。
家喻戶曉的AI系統(tǒng)ChatGPT就是利用機(jī)器學(xué)習(xí)推斷文本中字詞間的關(guān)系，從而生成“人類般”的對(duì)話。量子計(jì)算機(jī)的規(guī)模和算力也在迅速擴(kuò)容，隨著這兩項(xiàng)技術(shù)的突飛猛進(jìn)，兩者結(jié)合會(huì)產(chǎn)生怎樣的效果呢？
高歌猛進(jìn)
許多科技公司，包括谷歌和IBM這種大公司以及加州Rigetti和馬里蘭州IonQ這類初創(chuàng)公司，都在為量子機(jī)器學(xué)習(xí)的潛力下注。學(xué)術(shù)界對(duì)此也熱情高漲。
瑞士日內(nèi)瓦近郊的歐洲粒子物理學(xué)實(shí)驗(yàn)室CERN已經(jīng)在用機(jī)器學(xué)習(xí)從大型強(qiáng)子對(duì)撞機(jī)產(chǎn)生的數(shù)據(jù)中尋找特定亞原子粒子產(chǎn)生的跡象。那里的科學(xué)家是正在實(shí)驗(yàn)量子機(jī)器學(xué)習(xí)技術(shù)的科學(xué)家之一。
CERN負(fù)責(zé)領(lǐng)導(dǎo)量子計(jì)算和機(jī)器學(xué)習(xí)研究組的物理學(xué)家Sofia Vallecorsa說：“我們想用量子計(jì)算機(jī)給經(jīng)典機(jī)器學(xué)習(xí)模型提速或進(jìn)行改進(jìn)。”
這里的一個(gè)重要問題是，是否存在量子機(jī)器學(xué)習(xí)比經(jīng)典版本更有優(yōu)越性的具體場景。理論顯示，對(duì)于特定的計(jì)算任務(wù)，如模擬分子或?qū)ふ掖笳麛?shù)的質(zhì)因數(shù)，量子計(jì)算機(jī)能加快運(yùn)算速度，不然運(yùn)算時(shí)間可能會(huì)比宇宙存在的時(shí)間更久。但研究人員仍然缺少充足證據(jù)證明機(jī)器學(xué)習(xí)也符合這種情況。其他人則認(rèn)為，即使量子機(jī)器學(xué)習(xí)的速度不見得更快，但它可以發(fā)現(xiàn)經(jīng)典計(jì)算機(jī)發(fā)現(xiàn)不了的模式。
研究人員對(duì)量子機(jī)器學(xué)習(xí)的態(tài)度處于兩個(gè)極端，就職于加拿大量子計(jì)算公司Xanadu的南非物理學(xué)家Maria Schuld說，大家對(duì)這項(xiàng)技術(shù)很感興趣，但似乎因?yàn)榭床坏蕉唐谇熬岸娂姾蟪贰?/p>
一些研究人員轉(zhuǎn)而關(guān)注在本質(zhì)上屬于量子的現(xiàn)象中應(yīng)用量子機(jī)器學(xué)習(xí)算法。在目前提出的量子機(jī)器學(xué)習(xí)的所有可能應(yīng)用中，這是量子優(yōu)勢最明顯的領(lǐng)域，麻省理工物理學(xué)家Aram Harrow表示。
量子算法有用嗎？
過去20年里，量子計(jì)算研究員開發(fā)了很多量子算法，這些算法理論上有望提升機(jī)器學(xué)習(xí)的效率。在2008年公布的一個(gè)重要結(jié)果中，Harrow和麻省理工的物理學(xué)家Seth Lloyd以及Avinatan Hassidim（現(xiàn)就職于以色列巴伊蘭大學(xué)）發(fā)明了一種量子算法[1]，這種算法求解很大的線性方程組的速度比經(jīng)典計(jì)算機(jī)提升了指數(shù)級(jí)，這正是機(jī)器學(xué)習(xí)要解決的核心挑戰(zhàn)之一。
當(dāng)時(shí)只有18歲的Tang還在得克薩斯大學(xué)奧斯汀分校讀本科，她寫了一個(gè)速度差不多的算法，但用普通計(jì)算機(jī)就能運(yùn)行。量子推薦是算法在實(shí)際問題上顯著提速的一個(gè)罕見特例，所以她的算法讓實(shí)際的機(jī)器學(xué)習(xí)問題實(shí)現(xiàn)指數(shù)級(jí)量子提速的目標(biāo)比以往更觸不可及，Tang的導(dǎo)師、量子計(jì)算研究員Scott Aaronson說道。目前在加州大學(xué)伯克利分校的Tang表示，她仍然對(duì)任何聲稱機(jī)器學(xué)習(xí)能實(shí)現(xiàn)大幅量子提速的說法深表懷疑。
一個(gè)更大的問題是，經(jīng)典數(shù)據(jù)和量子計(jì)算有時(shí)候并不兼容。大致而言，量子計(jì)算的經(jīng)典應(yīng)用主要有三步。第一步是量子計(jì)算機(jī)的初始化，也就是其單個(gè)存儲(chǔ)單元，即量子比特（qubit）處于集體糾纏量子態(tài)。第二步是量子計(jì)算機(jī)執(zhí)行一連串運(yùn)算，也就是對(duì)經(jīng)典比特進(jìn)行邏輯運(yùn)算的量子版本。第三步需要量子計(jì)算機(jī)進(jìn)行讀出，比如測量攜帶量子運(yùn)算結(jié)果信息的單個(gè)量子比特的狀態(tài)。這可以是計(jì)算機(jī)內(nèi)的某個(gè)電子是順時(shí)針自旋還是逆時(shí)針自旋。
吸管最細(xì)處
Harrow寫的這類算法承諾在第二步實(shí)現(xiàn)提速，也就是量子運(yùn)算。但在許多應(yīng)用中，第一步和第三步有時(shí)候會(huì)非常慢，抵消這種提速[3]。初始化的步驟要求在量子計(jì)算機(jī)上加載“經(jīng)典”數(shù)據(jù)，并轉(zhuǎn)換成量子態(tài)，這個(gè)過程常常很慢。而且由于量子物理學(xué)本身具有概率性，所以讀出往往有隨機(jī)的成分，這會(huì)讓量子計(jì)算機(jī)需要多次重復(fù)這三個(gè)步驟，并對(duì)結(jié)果取平均值，才能得到最終答案。
華盛頓大學(xué)量子計(jì)算研究員Nathan Wiebe說，量子化數(shù)據(jù)經(jīng)過處理進(jìn)入最終量子態(tài)后，得到答案可能還要很久。Wiebe在去年10月的一個(gè)量子機(jī)器學(xué)習(xí)工作組上說：“我們只能從吸管最細(xì)的部分把信息吸出來。”
“不管你問哪個(gè)研究人員量子計(jì)算機(jī)的優(yōu)勢在哪里，回答基本上都是‘應(yīng)該不是經(jīng)典數(shù)據(jù)’，”Schuld說，“現(xiàn)在看來，沒有什么理由讓我們相信經(jīng)典數(shù)據(jù)真的需要量子效應(yīng)。”
Vallecorsa和其他人認(rèn)為，速度不應(yīng)該是評(píng)價(jià)量子算法的唯一標(biāo)準(zhǔn)。有跡象表明，機(jī)器學(xué)習(xí)驅(qū)動(dòng)的量子AI系統(tǒng)可以學(xué)會(huì)識(shí)別經(jīng)典計(jì)算機(jī)容易漏掉的數(shù)據(jù)模式。這可能是因?yàn)榱孔蛹m纏能讓量子比特和數(shù)據(jù)點(diǎn)之間建立關(guān)聯(lián)，德國電子同步加速器（DESY）粒子物理學(xué)實(shí)驗(yàn)室的物理學(xué)家Karl Jansen說，“我們希望能發(fā)現(xiàn)經(jīng)典算法很難在數(shù)據(jù)中發(fā)現(xiàn)的關(guān)聯(lián)。”
量子機(jī)器學(xué)習(xí)或能幫助解釋CERN的粒子對(duì)撞。CERN是位于瑞士日內(nèi)瓦近郊的歐洲粒子物理學(xué)實(shí)驗(yàn)室。來源：CERN/CMS Collaboration; Thomas McCauley, Lucas Taylor (CC BY 4.0)
但Aaronson并不認(rèn)同。量子計(jì)算機(jī)遵循眾所周知的物理學(xué)法則，因此它們的工作方式和量子算法的結(jié)果都可以用經(jīng)典計(jì)算機(jī)預(yù)測只要給足時(shí)間。Aaronson說：“所以唯一的問題在于，量子計(jì)算機(jī)是否能比完美的經(jīng)典模擬更快。”
根本量子變革
另一種可能性是對(duì)已經(jīng)量子化的數(shù)據(jù)使用量子機(jī)器學(xué)習(xí)算法，完全繞開轉(zhuǎn)換經(jīng)典數(shù)據(jù)的障礙。
回顧量子物理學(xué)的發(fā)展，對(duì)量子現(xiàn)象的測量被定義為用存在于宏觀、經(jīng)典世界中的工具讀取數(shù)值。但一種新出現(xiàn)的觀點(diǎn)使用名為“量子傳感”（quantum sensing）的新技術(shù)，這種技術(shù)使用純量子工具測量某個(gè)系統(tǒng)的量子特性。將這些量子態(tài)直接加載到一臺(tái)量子計(jì)算機(jī)的量子比特上，量子機(jī)器學(xué)習(xí)或許就能在不接入經(jīng)典系統(tǒng)的情況下發(fā)現(xiàn)模式。
對(duì)于機(jī)器學(xué)習(xí)來說，這么做的優(yōu)勢可能超過了以經(jīng)典數(shù)據(jù)點(diǎn)的形式采集量子測量數(shù)據(jù)的系統(tǒng)，麻省理工物理學(xué)家、谷歌研究員Hsin-Yuan Huang說，“我們的世界本質(zhì)上符合量子力學(xué)。如果你想要一臺(tái)會(huì)學(xué)習(xí)的量子計(jì)算機(jī)，它能變得更強(qiáng)大。”
Huang和他的合作者用谷歌的一臺(tái)Sycamore量子計(jì)算機(jī)運(yùn)行過一個(gè)原理驗(yàn)證實(shí)驗(yàn)[4]。他們用計(jì)算機(jī)的部分量子比特模擬一種抽象物質(zhì)的行為，用計(jì)算機(jī)的另一部分從這些量子比特中采集信息，并用量子機(jī)器學(xué)習(xí)進(jìn)行分析。研究團(tuán)隊(duì)發(fā)現(xiàn)，這種技術(shù)較經(jīng)典測量和數(shù)據(jù)分析能有指數(shù)級(jí)提速。
是超導(dǎo)體嗎？
完全在量子世界中收集和分析數(shù)據(jù)或能讓物理學(xué)家解決經(jīng)典測量只能間接回答的問題，Huang說。其中一個(gè)問題是特定材料是否處于能成為超導(dǎo)體的特定量子態(tài)超導(dǎo)體能零電阻傳輸電力。而經(jīng)典實(shí)驗(yàn)要求物理學(xué)家間接證明超導(dǎo)性，比如通過測試這種材料對(duì)磁場的反應(yīng)。
Jensen說，粒子物理學(xué)家還在嘗試用量子傳感處理未來粒子對(duì)撞機(jī)產(chǎn)生的數(shù)據(jù)，比如DESY讓電子和光子對(duì)撞的LUXE實(shí)驗(yàn)，不過這種想法距離實(shí)現(xiàn)至少仍有十年時(shí)間。相距遙遠(yuǎn)的天文臺(tái)也可以用量子傳感器采集和傳輸數(shù)據(jù)，這需要用到未來“量子互聯(lián)網(wǎng)”技術(shù)，將數(shù)據(jù)傳輸?shù)街醒雽?shí)驗(yàn)室的量子計(jì)算機(jī)上處理。這么做希望能捕捉到清晰度無與倫比的影像。
如果這種量子傳感的應(yīng)用能成功，就能用量子機(jī)器學(xué)習(xí)綜合這些實(shí)驗(yàn)的測量數(shù)據(jù)并分析最后得到的量子數(shù)據(jù)。
歸根結(jié)底，量子計(jì)算機(jī)是否能為機(jī)器學(xué)習(xí)帶來優(yōu)勢，要由實(shí)驗(yàn)決定，而不是看這種優(yōu)越性是否有數(shù)學(xué)證據(jù)。Harrow說：“我們不能期望用做理論計(jì)算機(jī)科學(xué)的方式來證明一切。”
Aaronson說，“我絕對(duì)相信量子機(jī)器學(xué)習(xí)是值得研究的” ，無論最后是否能提速。Schuld也認(rèn)同，“我們需要在沒有提速要求的限制下做研究，至少暫時(shí)不要有這個(gè)要求。”
1.Harrow, A. W., Hassidim, A. & Lloyd, S.Phys. Rev. Lett.103, 150502 (2009).
2.Tang, E. inProc. 51st Annu. ACM SIGACT Symp. Theory Comput.(eds Charikar, M. & Cohen, E.) 217228(ACM, 2019).
3.Biamonte, J.et al.Nature549, 195202 (2017).
4.Huang, H.-Y.et al.Science376, 11821186 (2022).
原文以The AIquantum computing mash-up: will it revolutionize science?標(biāo)題發(fā)表在2023年1月2日《自然》的新聞特寫版塊上
nature
