量子算法可以讓人工智能更快
計算機思考問題的方式之一是通過分析大型數(shù)據(jù)集內的關系進行的。一個國際研究小組已經(jīng)證明,量子計算機可以實現(xiàn)一個分析的功能,而且速度比經(jīng)典計算機更快,預期將實現(xiàn)更廣泛的數(shù)據(jù)類型的數(shù)組計算。
研究團隊提出的這種新型的量子線性系統(tǒng)算法發(fā)表在《物理評論快報》雜志上。在未來,這種算法可能有助于處理數(shù)字問題等各種各樣的商品定價,社會網(wǎng)絡和化學結構等實際問題。 “這類先前的量子算法本來是設計用來解決某種特性的實際應用問題的。如果我們要實現(xiàn)其他數(shù)據(jù)量子加速,我們需要升級我們算法,”Zhikuan Zhao說,他是這個研究工作的通訊作者! 第一個量子線性系統(tǒng)的算法是在2009由一組不同的研究人員提出的。這種算法目前開始應用研究于量子形式的機器學習或人工智能。 線性系統(tǒng)的算法工作在一個大的矩陣數(shù)據(jù)中。例如,一個交易者可能試圖預測商品的未來價格。矩陣可以捕捉價格運動在時間和數(shù)據(jù)的功能,可能會影響這些價格的歷史數(shù)據(jù),如貨幣匯率。該算法計算每個特征是多么強烈的與另一個'反相'矩陣。這些信息可以被用來預測未來。 “有很多涉及到的計算分析的矩陣。當數(shù)據(jù)的矩陣超越10000乘以10000時,這種矩陣大小對于傳統(tǒng)電腦來說就很難計算了,”Zhao解釋道!斑@是因為計算步數(shù)會隨著矩陣中元素的個數(shù)迅速增加,矩陣的大小每增加一倍,計算機所需要的計算長度要增加八倍! 2009年的時候開發(fā)的算法能更好地應對更大的矩陣,但只有當其中的數(shù)據(jù)是稀疏的情況下才可以。在這些案例中,有元素之間存在的限制關系,這往往是不現(xiàn)實的真實數(shù)據(jù)。Zhao,Prakash和wossnig開發(fā)的新算法相比古典的和之前的量子版本速度更快,而沒有對于數(shù)據(jù)緊密程度的限制。 作為一個粗略的指導,對于一個10000平方的矩陣,經(jīng)典算法要有一千億次的計算步驟,第一次開發(fā)的量子算法所需的幾千次的步驟在新的量子算法下只需要幾百步數(shù)。這總新型算法是依賴于一種稱為量子奇異值估計技術。 已經(jīng)有一些早期的小型量子計算機原理演示模型用來證實量子線性系統(tǒng)算法的可行性。Zhao和他的同事們希望也能用一些實驗組的工作實現(xiàn)這種新型算法原理的演示證明。他們還想做的實現(xiàn)算法所需的努力進行了充分的分析,檢查可能會產(chǎn)生的費用。 為了展示一個真實的量子優(yōu)于經(jīng)典算法將需要更大的量子計算機。Zhao估計,“我們可能在未來三到五年內,或許可以使用實驗室中的硬件設備實現(xiàn)一些有意義的量子人工智能應用計算! 原文來源:https://phys.org/news/2018-02-quantum-algorithm-ai-faster.html(實驗幫譯) |