近日，中國科學技術大學中國科學院微觀磁共振重點實驗室杜江峰、王亞、李兆凱等人在量子機器學習研究中取得重要進展，研發(fā)出新型量子特征提取算法，實驗實現(xiàn)了對未知量子系統(tǒng)矩陣的分析與信息提取。
機器學習是人工智能的核心，為了成功完成特定任務，人工智能往往需要大量數(shù)據(jù)用于總結與分類，這對計算機系統(tǒng)的存儲與處理能力提出了很高的要求。
而此次中科大研究的量子機器學習方向，可以將量子算法的并行加速特性應用于人工智能領域中，提升人工智能系統(tǒng)的效率與能力，有望在未來實現(xiàn)基于量子系統(tǒng)的人工智能。
使用量子算法進行特征提取的理論思路最早于2014年提出，但其原始設想基于量子相位估計算法，需要大量量子比特作為輔助寄存器，因此一直未能在真實實驗體系中予以實現(xiàn)。
為解決這一限制，研究團隊開發(fā)出新型基于共振的量子主成分分析技術，將輔助量子比特的需求降低到1個，大大降低實驗難度。
同時，為減少實際實驗中的噪聲干擾，該技術還可以結合量子相干保護手段，有利于在實際量子處理器物理平臺上達到高精度與高效率的量子計算。
據(jù)了解，杜江峰院士團隊自2012年以來率先開展了量子人工智能的實驗研究，相關工作如：量子手寫識別，是量子人工智能應用于實際問題的最早案例，展示了量子技術加速人工智能問題的潛力；特征值檢測、線性方程組求解等技術為機器學習中的數(shù)據(jù)運算提供了快速有效的量子方法。
該成果已發(fā)表在近期的Science Advances上。另外此次研發(fā)的新技術可以實現(xiàn)對數(shù)據(jù)預處理過程的量子加速，高效率提取出量子數(shù)據(jù)矩陣中的關鍵特征，用于后續(xù)進一步分類與識別。
