详细内容或原文请订阅后点击阅览
是什么让量子机器学习成为“量子”？
今天在哪里？帖子《什么使量子机器学习成为“量子”？》首先出现在《走向数据科学》上。
来源:走向数据科学我七年前刚刚获得硕士学位后就从事计算工作。当时，业界充满了兴奋，但也充满了怀疑。如今，量子计算作为一项新兴技术，与高性能计算和人工智能并驾齐驱。
注意力从单纯与硬件相关的研究和讨论转向应用、软件和算法。量子确实是一种可以跨不同学科使用的工具，而不是在一个孤立的领域中使用。量子计算机最有前途但尚未完全理解的用途之一是量子机器学习。
量子机器学习（QML）在过去几年中已成为一个包罗万象的术语。 QML 最早、最重要的出现之一是在 2013 年，当时谷歌和 NASA 建立了量子人工智能实验室，其任务是探索如何在机器学习应用中使用量子计算机。从那时起，QML 一词出现在研究论文、初创企业推介和会议演讲中，通常具有截然不同的含义。
在某些情况下，它指的是使用量子计算机来加速机器学习。在其他方面，它描述了受量子物理学启发的经典算法。有时，它仅仅意味着在不熟悉的硬件上运行熟悉的机器学习工作流程。
所以，即使是我，一个从事和研究量子计算机的人，一开始也很困惑……我敢打赌，很多人在听到“量子机器学习”时的第一个问题是什么，到底是什么让量子机器学习成为量子？
回答这个问题就是我决定写这篇文章的原因！简而言之，答案不是速度，也不是神经网络，也不是对“量子优势”的模糊提及。从本质上讲，量子机器学习是由信息的表示、转换和读取方式来定义的。在 QML 中，这是使用量子力学规则而不是经典计算来完成的。