超越传统算法！全新量子算法可以帮助 AI 更快思考

分析大量数据中的关系是计算机“思考”的方式之一。一个国际研究团队已经表明，对于比预期更广泛的数据类型，量子计算机可以比传统计算机更快地完成这样的分析。

该团队提出的“量子线性系统算法”发表于《物理评论快报》，它将来或许可以预测商品价格，解决社交网络和化学结构中的数字运算问题。

“以前的量子算法应用于一种非常特定的问题，如果我们想要提升其他数据的量子速度，我们需要对该算法进行升级。”论文作者、新加坡科技与设计大学博士 Zhikuan Zhao 表示。

第一个量子线性系统算法是在 2009 年由另外一组研究人员提出的，该算法是研究机器学习或人工智能的量子形式的鼻祖。

这套线性系统算法适用于大型数据矩阵。例如，交易者可以尝试预测未来的商品价格，该矩阵可以获取关于价格随时间变化的历史数据和关于可能影响这些价格的特征数据，比如货币汇率。该算法通过“反转”矩阵来计算每个特征之间的关联性，这些信息可以用来推断未来趋势。

Zhao 解释道：“在分析矩阵时需要进行大量的计算，比方说当输入超过 10000×10000 个元素时，这对于普通的计算机就变得很困难了。这是因为随着矩阵中元素数量的增加，计算的步骤也会急速增长——矩阵的大小每增加一倍，计算的长度就会增加 8 倍。”

2009 年提出的算法可以更好地处理更大的矩阵，但必须是稀疏矩阵。在这些情况下，元素之间的关系是有限的，而现实世界中的数据通常不是这样。Zhao 和研究小组提出了一个新的算法，比经典和以前的量子算法版本都快，也没有限制它所计算的数据的种类。

简单来说，该算法依靠一种被称为量子奇异值估算的技术。对于一个 10000 平方的矩阵，经典算法大约花费数万亿量级计算步骤，第一个量子算法需要几万步，而新量子算法只需要几百步。

小型量子计算机上较早的量子线性系统算法已经有一些原理性证明。为了显示新量子算法较经典算法的真正优势，研究者需要更多的量子计算机。Zhao 和研究小组希望能和一个实验小组一起工作，对他们的算法进行原理证明。他们还希望对执行该算法所需的工作进行全面分析，可能存在的开销成本。

Zhao 预计：“我们可能会在未来的 3～5 年时间里看到技术落地，在人工智能领域进行有意义的量子计算。”

-End-

编辑：Ren

参考：

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