科學(xué)家首次將量子噪聲轉(zhuǎn)化為特性，使微型系統(tǒng)得以勝任宏大任務(wù)。

多年來，人工智能的進(jìn)步遵循一條簡單的法則：做得更大——更多層、更多連接、更多計(jì)算能力。然而，一項(xiàng)新研究給出了不同的答案。

研究人員沒有選擇規(guī)模擴(kuò)張，而是構(gòu)建了一個(gè)極其微小的系統(tǒng)——一個(gè)僅包含九個(gè)相互作用的原子自旋的量子系統(tǒng)——并讓它去解決通常需要遠(yuǎn)為龐大的機(jī)器才能處理的問題。

結(jié)果出人意料。這個(gè)微型系統(tǒng)不僅毫不遜色，在諸如預(yù)測未來數(shù)天溫度模式等任務(wù)上，甚至超越了擁有數(shù)千節(jié)點(diǎn)的經(jīng)典機(jī)器學(xué)習(xí)模型。

研究作者指出：“這首次在實(shí)驗(yàn)上證明，量子機(jī)器學(xué)習(xí)在真實(shí)世界任務(wù)上的表現(xiàn)能夠超越大規(guī)模經(jīng)典模型?！?/p>

那么，這是否意味著科學(xué)家們一直以來對量子計(jì)算的探索方向都是錯的？

讓系統(tǒng)自主思考

量子計(jì)算最大的挑戰(zhàn)之一在于控制。大多數(shù)方法依賴精心設(shè)計(jì)的量子電路，其中每一步都必須精確執(zhí)行。

然而，當(dāng)前的量子硬件會受到環(huán)境中微小擾動（噪聲）的影響，這些擾動會迅速打亂計(jì)算過程。這也是量子計(jì)算遲遲未能實(shí)現(xiàn)實(shí)際應(yīng)用的原因之一。

研究人員退后一步，嘗試了不同的思路。他們借用了機(jī)器學(xué)習(xí)中的一個(gè)思想——儲層計(jì)算。

在這種方法中，你不需要微觀管理整個(gè)系統(tǒng)。只需輸入數(shù)據(jù)，讓系統(tǒng)自行演化，然后讀取輸出結(jié)果。這種智能來源于系統(tǒng)自然處理和重塑輸入信息的方式。

研究作者聲稱：“量子儲層計(jì)算為機(jī)器學(xué)習(xí)應(yīng)用提供了卓越的潛力。”

為了實(shí)現(xiàn)這一系統(tǒng)，團(tuán)隊(duì)利用核磁共振技術(shù)控制了九個(gè)原子自旋——本質(zhì)上就是量子層面的微小磁體。這些自旋相互之間發(fā)生作用，形成不斷變化的內(nèi)部狀態(tài)。當(dāng)輸入數(shù)據(jù)被編碼進(jìn)該系統(tǒng)后，它并不會保持靜態(tài)，而是以復(fù)雜的方式傳播、混合和變換。

這正是量子物理發(fā)揮作用的地方。系統(tǒng)可以同時(shí)存在于多種狀態(tài)，并發(fā)展出強(qiáng)烈的內(nèi)部關(guān)聯(lián)。因此，即便只有少量組件，也能產(chǎn)生極為豐富的行為模式。

研究人員沒有編程每一個(gè)步驟，而是讓這些動力學(xué)過程自然展開，然后從中提取有用信息。

化缺陷為特性

在大多數(shù)量子實(shí)驗(yàn)中，耗散（系統(tǒng)向環(huán)境損失能量的過程）是一個(gè)需要消除的問題。它會抹除信息、引入錯誤。但在這項(xiàng)研究中，耗散被刻意利用了。

為什么？因?yàn)轭A(yù)測任務(wù)依賴于記憶。要預(yù)測接下來會發(fā)生什么，系統(tǒng)必須保留之前狀態(tài)的痕跡——但不能太多。如果它同等記住所有信息，就會被淹沒；如果遺忘太快，又會丟失上下文。

耗散提供了一種自然的平衡方式。它逐漸移除較舊的信息，同時(shí)讓最近的輸入對系統(tǒng)產(chǎn)生更強(qiáng)的影響。換句話說，通常被視為噪聲的東西，變成了控制記憶的工具。

從基準(zhǔn)測試到真實(shí)天氣

為了驗(yàn)證這一方法的有效性，研究人員首先采用了一個(gè)名為 NARMA 的標(biāo)準(zhǔn)測試，該測試常用于評估時(shí)間序列預(yù)測系統(tǒng)。量子裝置在此取得了首個(gè)重要成果：與先前的實(shí)驗(yàn)性量子方法相比，預(yù)測誤差降低了一到兩個(gè)數(shù)量級。

然而，基準(zhǔn)測試是一回事，真實(shí)世界的數(shù)據(jù)又是另一回事。因此，研究團(tuán)隊(duì)轉(zhuǎn)向天氣預(yù)報(bào)，重點(diǎn)關(guān)注多日溫度變化趨勢。盡管系統(tǒng)極為簡單，這個(gè)九自旋系統(tǒng)仍能以令人印象深刻的精度追蹤這些模式。

最引人注目的對比發(fā)生在它與一個(gè)名為“回聲狀態(tài)網(wǎng)絡(luò)”（儲層計(jì)算中一種成熟方法）的經(jīng)典模型之間的較量。即使將經(jīng)典系統(tǒng)擴(kuò)展到數(shù)千個(gè)節(jié)點(diǎn)，這個(gè)小得多的量子系統(tǒng)在多日預(yù)測中依然表現(xiàn)更優(yōu)。

研究作者表示：“在長期天氣預(yù)報(bào)中，我們的量子儲層實(shí)現(xiàn)了比擁有數(shù)千節(jié)點(diǎn)的經(jīng)典儲層更高的預(yù)測精度。這表明，利用當(dāng)前量子硬件，即可在時(shí)間序列預(yù)測中獲得實(shí)用的量子優(yōu)勢?！?/p>

重新構(gòu)想通往實(shí)用量子機(jī)器的道路

這項(xiàng)工作標(biāo)志著量子計(jì)算發(fā)展思路的轉(zhuǎn)變。研究人員不必等待大型、完美受控的量子機(jī)器，而是現(xiàn)在就可以從微小、不完美的系統(tǒng)中提取價(jià)值——利用其自然動力學(xué)，而不是與之對抗。

研究作者補(bǔ)充道：“我們提出了一種基于關(guān)聯(lián)量子自旋系統(tǒng)的新型量子儲層計(jì)算方法，利用自然的量子多體相互作用來產(chǎn)生儲層動力學(xué)，從而規(guī)避了深層量子電路的實(shí)際挑戰(zhàn)?！?/p>

話雖如此，這種方法仍處于早期階段。當(dāng)前系統(tǒng)規(guī)模有限，且僅在特定類型的問題上進(jìn)行了測試。它不是通用計(jì)算機(jī)，擴(kuò)大規(guī)模將帶來新的挑戰(zhàn)。

盡管如此，這項(xiàng)研究提供了一個(gè)非常重要的啟示：進(jìn)步并非來自不斷做加法，而是來自更智慧地利用已有之物。

該研究發(fā)表于《物理評論快報(bào)》期刊。

如果朋友們喜歡，敬請關(guān)注“知新了了”！