據(jù)悉，他們了一套在一臺量子計(jì)算機(jī)上運(yùn)行的單層人造神經(jīng)網(wǎng)絡(luò)(ANN)。這種基礎(chǔ) ANN 被稱為感知器，它是更強(qiáng)大網(wǎng)絡(luò)神經(jīng)的基礎(chǔ)組成部分。

　　而之前在量子系統(tǒng)上建立感知器的嘗試涉及到的是將單個量子位元視為是網(wǎng)絡(luò)中的神經(jīng)元。這是一種繁瑣而又復(fù)雜的方法，并且它也未能產(chǎn)生太多的可操行結(jié)果。

　　Tacchino 及其團(tuán)隊(duì)則嘗試了另一種不同的方法。據(jù)其介紹，他們采用的是一種類似于 Rosenblatt 感知器在量子計(jì)算機(jī)上的另一種設(shè)計(jì)，“我們通過在支持云量子計(jì)算的 IBM 量子處理器上部署二量子位版算法來實(shí)驗(yàn)性地展示這種方法的有效性。”

　　IBM 的 Q Experience 計(jì)算機(jī)是一種五量子位云端訪問的量子系統(tǒng)，對于那些沒有數(shù)百萬美元資金投入的實(shí)驗(yàn)室和接觸世界級物理學(xué)家和工程師的人來說，它一直被作為是一種與量子計(jì)算互動的方式，不過通常情況下，它更多地會被認(rèn)為是一種教育工具。

　　量子計(jì)算機(jī)面臨的其中一個大問題是沒有任何軟件、程序或編碼。要為一臺違反物理定律的機(jī)器編寫代碼是非常困難的，但這并不是說就沒有可能。

　　意大利團(tuán)隊(duì)就通過在 IBM Q 系統(tǒng)上運(yùn)行感知器算法并利用合成神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類任務(wù)證明了這一點(diǎn)。據(jù)悉，這是科學(xué)界第一次這樣做。

　　現(xiàn)在它所能做的就是分辨出給定圖像的三種基礎(chǔ)模式中的其中一種。雖然這聽起來好像也算不上什么大事，但當(dāng)把它放在量子優(yōu)勢的背景下卻又是另外一回事了。

　　研究人員表示，他們的算法比傳統(tǒng)感知器模型更具有指數(shù)優(yōu)勢。這僅僅意味著在量子系統(tǒng)云端運(yùn)行的神經(jīng)網(wǎng)絡(luò)可能比在傳統(tǒng)系統(tǒng)上運(yùn)行的神經(jīng)網(wǎng)絡(luò)更具有指數(shù)型的優(yōu)勢。人工智能和量子計(jì)算的結(jié)合帶來的影響將會是超乎想象的。

　　相信未來的智能機(jī)器絕不會只是 AI 或量子--而是兩者兼而有之。
　　(邯鄲網(wǎng)站建設(shè))