量子算法可以让人工智能更快

计算机思考问题的方式之一是通过分析大型数据集内的关系进行的。一个国际研究小组已经证明，量子计算机可以实现一个分析的功能，而且速度比经典计算机更快，预期将实现更广泛的数据类型的数组计算。

研究团队提出的这种新型的量子线性系统算法发表在《物理评论快报》杂志上。在未来，这种算法可能有助于处理数字问题等各种各样的商品定价，社会网络和化学结构等实际问题。

“这类先前的量子算法本来是设计用来解决某种特性的实际应用问题的。如果我们要实现其他数据量子加速，我们需要升级我们算法，”Zhikuan Zhao说，他是这个研究工作的通讯作者。”

第一个量子线性系统的算法是在2009由一组不同的研究人员提出的。这种算法目前开始应用研究于量子形式的机器学习或人工智能。

线性系统的算法工作在一个大的矩阵数据中。例如，一个交易者可能试图预测商品的未来价格。矩阵可以捕捉价格运动在时间和数据的功能，可能会影响这些价格的历史数据，如货币汇率。该算法计算每个特征是多么强烈的与另一个'反相'矩阵。这些信息可以被用来预测未来。

“有很多涉及到的计算分析的矩阵。当数据的矩阵超越10000乘以10000时，这种矩阵大小对于传统电脑来说就很难计算了，”Zhao解释道。“这是因为计算步数会随着矩阵中元素的个数迅速增加，矩阵的大小每增加一倍，计算机所需要的计算长度要增加八倍。”

2009年的时候开发的算法能更好地应对更大的矩阵，但只有当其中的数据是稀疏的情况下才可以。在这些案例中，有元素之间存在的限制关系，这往往是不现实的真实数据。Zhao，Prakash和wossnig开发的新算法相比古典的和之前的量子版本速度更快，而没有对于数据紧密程度的限制。

作为一个粗略的指导，对于一个10000平方的矩阵，经典算法要有一千亿次的计算步骤，第一次开发的量子算法所需的几千次的步骤在新的量子算法下只需要几百步数。这总新型算法是依赖于一种称为量子奇异值估计技术。

已经有一些早期的小型量子计算机原理演示模型用来证实量子线性系统算法的可行性。Zhao和他的同事们希望也能用一些实验组的工作实现这种新型算法原理的演示证明。他们还想做的实现算法所需的努力进行了充分的分析，检查可能会产生的费用。

为了展示一个真实的量子优于经典算法将需要更大的量子计算机。Zhao估计，“我们可能在未来三到五年内，或许可以使用实验室中的硬件设备实现一些有意义的量子人工智能应用计算。”

来源：https://phys.org/news/2018-02-quantum-algorithm-ai-faster.html