該技術(shù)能夠提升機(jī)器學(xué)習(xí)的效率和效果，未來有望在較大規(guī)模量子處理器上得到應(yīng)用。

近日，中國科學(xué)技術(shù)大學(xué)中國科學(xué)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(jī)器學(xué)習(xí)研究中取得重要進(jìn)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(jī)器學(xué)習(xí)是人工智能的核心，為了成功完成特定任務(wù)，人工智能往往需要大量數(shù)據(jù)用于總結(jié)與分類，這對計算機(jī)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(jī)器學(xué)習(xí)方向，可以將量子算法的并行加速特性應(yīng)用于人工智能領(lǐng)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(jìn)行特征提取的理論思路最早于2014年提出，但其原始設(shè)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(tuán)隊開發(fā)出新型基于共振的量子主成分分析技術(shù)，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(shù)還可以結(jié)合量子相干保護(hù)手段，有利于在實際量子處理器物理平臺上達(dá)到高精度與高效率的量子計算。

據(jù)了解，杜江峰院士團(tuán)隊自2012年以來率先開展了量子人工智能的實驗研究，相關(guān)工作如：量子手寫識別，是量子人工智能應(yīng)用于實際問題的最早案例，展示了量子技術(shù)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(shù)為機(jī)器學(xué)習(xí)中的數(shù)據(jù)運(yùn)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(shù)可以實現(xiàn)對數(shù)據(jù)預(yù)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(guān)鍵特征，用于后續(xù)進(jìn)一步分類與識別。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！