量子物理示意圖
【TechOrange】量子電腦的運算速度是傳統電腦的數兆倍,機器學習可以讓電腦透過數據自主優化,如果將機器學習結合量子電腦, 量子機器學習 是否可以打造超高速運算的智慧電腦?
人類向這個目標邁出了第一步!9 月底,牛津大學在《npj Quantum Information》發表一篇論文。牛津大學與 Basel、Lancaster 大學合作,開發出計算量子點的機器學習演算法。透過這樣技術,人類可以建構更大的量子位元結構,打造更複雜的量子電腦。
「量子點」是什麼?
要讓量子點達到最適狀態,電壓必須控制得相當精準
量子點(quantum dots,QDs)指的是奈米尺寸等級的物質,通常是半導體,可以將電子與電洞侷限在其中,產生可以控制的光、電、自旋等性質。量子點的技術已被應用在電晶體、太陽能電池等領域;近年,量子點被應用在量子電腦的運算。
量子點中的電子自旋態是量子電腦的最小資訊單位,稱為量子位元(qubit)。在量子點,電子被束縛在陷阱(trap)中,它們的自旋態可以藉由電壓的控制而快速切換,轉換成指定的態勢。因此人類可以利用這個特性打造量子電腦,進行量子運算。
為了要讓量子點達到最適狀態,電壓必須控制得相當精準。問題是,當量子點數量擴大,也就是量子位元增加後,若要讓每個量子點都達到最適狀態,就必須花上大量的時間調整電壓,因為每個量子點都不相同,必須要針對每個量子點,一個一個調整。
也就是說,人類是否可以自動量測並控制量子位元,是擴大量子電腦應用的關鍵議題。
量子機器學習
近期牛津大學發表計算量子點的機器學習演算法,為這個問題提供了解決方案。該演算法可以自動化量測與控制量子位元,比起傳統的資料處理方式,可以減少量測時間與次數。研究人員藉由電壓與量子點的變化關係訓練該機器學習演算法,讓它可以找到最有效率的量測與控制方式。
牛津大學材料系的教授 Natalia Ares 表示,這是人類第一次使用機器學習量測量子點,讓我們可以建構更大的量子設備。
關於下一步,Basel 的教授 Dominik Zumbühl 則表示,要將此演算法應用到其他材料打造的量子點中,建立更好的量子電腦,也建構更大的量子位元結構。
透過機器學習演算法,人們將量子點的量測與控制自動化,提升運算效能,讓我們可以打造更複雜的量子設備。或許在不久的將來,就有科學家開發出用量子電腦運作的人工智慧,藉由量子電腦的高速運算,或許人類有機會開發出智力更高,應用更廣的超級人工智慧。
全新 Digital Marketing 體驗,請聯絡 Web 仔。