超越傳統演算法！全新量子演算法可以幫助 AI 更快思考

分析大量數據中的關係是計算機「思考」的方式之一。一個國際研究團隊已經表明，對於比預期更廣泛的數據類型，量子計算機可以比傳統計算機更快地完成這樣的分析。

該團隊提出的「量子線性系統演算法」發表於《物理評論快報》，它將來或許可以預測商品價格，解決社交網路和化學結構中的數字運算問題。

「以前的量子演算法應用於一種非常特定的問題，如果我們想要提升其他數據的量子速度，我們需要對該演算法進行升級。」論文作者、新加坡科技與設計大學博士 Zhikuan Zhao 表示。

第一個量子線性系統演算法是在 2009 年由另外一組研究人員提出的，該演算法是研究機器學習或人工智慧的量子形式的鼻祖。

這套線性系統演算法適用於大型數據矩陣。例如，交易者可以嘗試預測未來的商品價格，該矩陣可以獲取關於價格隨時間變化的歷史數據和關於可能影響這些價格的特徵數據，比如貨幣匯率。該演算法通過「反轉」矩陣來計算每個特徵之間的關聯性，這些信息可以用來推斷未來趨勢。

Zhao 解釋道：「在分析矩陣時需要進行大量的計算，比方說當輸入超過 10000×10000 個元素時，這對於普通的計算機就變得很困難了。這是因為隨著矩陣中元素數量的增加，計算的步驟也會急速增長——矩陣的大小每增加一倍，計算的長度就會增加 8 倍。」

2009 年提出的演算法可以更好地處理更大的矩陣，但必須是稀疏矩陣。在這些情況下，元素之間的關係是有限的，而現實世界中的數據通常不是這樣。Zhao 和研究小組提出了一個新的演算法，比經典和以前的量子演算法版本都快，也沒有限制它所計算的數據的種類。

簡單來說，該演算法依靠一種被稱為量子奇異值估算的技術。對於一個 10000 平方的矩陣，經典演算法大約花費數萬億量級計算步驟，第一個量子演算法需要幾萬步，而新量子演算法只需要幾百步。

小型量子計算機上較早的量子線性系統演算法已經有一些原理性證明。為了顯示新量子演算法較經典演算法的真正優勢，研究者需要更多的量子計算機。Zhao 和研究小組希望能和一個實驗小組一起工作，對他們的演算法進行原理證明。他們還希望對執行該演算法所需的工作進行全面分析，可能存在的開銷成本。

Zhao 預計：「我們可能會在未來的 3～5 年時間裡看到技術落地，在人工智慧領域進行有意義的量子計算。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！