量子机学习（QML）是一门学科，具有彻底改变数据处理和解决问题的希望。然而，与环境的耦合产生的耗散和噪音通常被认为是其实际开发的主要障碍，因为它们会影响使用的量子设备的相干性和性能。显着的效果已致力于减轻和控制其对这些设备的负面影响。这种观点采用了不同的方法，旨在利用噪声和消散的潜力，而不是打击它们。令人惊讶的是，这些看似有害的因素在某些情况下可以在QML算法的运行中提供巨大的优势。探索和理解适应QML算法开放量子系统的含义为设计策略提供了有效利用噪声和消散的策略开辟了途径。在此角度进行分析的最新作品仅代表了探索耗散和噪声可能会产生其他潜在隐藏受益的初始步骤。作为该领域的探索，预计可以重塑量子计算的未来的显着发现。