來源：ScienceAI

編輯：蘿卜皮

近年來，計算在兩個主要方面取得了進步——機器學習方面的突破，以開發(fā)通過經(jīng)驗自動改進的算法，以及對理論上證明比任何超級計算機更強大的量子計算機的研究。

現(xiàn)在，科學家們已經(jīng)創(chuàng)建了一種稱為量子憶阻器的設備的第一個原型，它可能有助于將這兩個世界的精華結合在一起——將人工智能與量子計算相結合，以獲得前所未有的能力。

憶阻器或存儲電阻器是一種電子電路的構建模塊，科學家們大約在 50 年前就預測到了這種結構，但在十多年前才首次創(chuàng)造出來。

這些組件本質上是電子開關，可以記住它們在關閉電源后是打開還是關閉。因此，它們類似于突觸——人類大腦中神經(jīng)元之間的聯(lián)系——其導電性的增強或減弱取決于過去通過它們的電荷量。

理論上，憶阻器可以像人工神經(jīng)元一樣能夠計算和存儲數(shù)據(jù)。因此，研究人員建議使用憶阻器構建的神經(jīng)形態(tài)或類腦計算機在運行神經(jīng)網(wǎng)絡時表現(xiàn)良好，這些神經(jīng)網(wǎng)絡是使用合成版本的突觸和神經(jīng)元來模擬人腦學習過程的機器學習系統(tǒng)。

「憶阻器與任何其他量子組件不同，它具有記憶力?！?/strong>

現(xiàn)在，奧地利和意大利的科學家已經(jīng)開發(fā)出一種量子版本的憶阻器，他們認為這可能會導致量子神經(jīng)形態(tài)計算機。他們上個月在《Nature Photonics》雜志上在線詳細介紹了他們的發(fā)現(xiàn)。

論文鏈接：https://www.nature.com/articles/s41566-022-00973-5

量子計算機依賴于宇宙如何在其最小的層面上變成一個模糊的地方。例如，原子、光子和宇宙的其他組成部分可以以稱為疊加的流動狀態(tài)存在，這意味著它們基本上可以同時位于兩個或多個位置，或者同時沿兩個相反的方向旋轉。

經(jīng)典計算機打開或關閉晶體管以將數(shù)據(jù)表示為 1 或 0，而量子計算機使用量子比特（qubits），它們可以處于同時為 1 和 0 的疊加狀態(tài)。量子計算機中連接在一起的量子比特越多，其計算能力就可以以指數(shù)方式增長。

科學家們仍在研究量子計算可能比經(jīng)典計算更具優(yōu)勢的具體問題。最近，他們開始探索量子計算是否有助于促進機器學習。

先前的研究建議使用光子開發(fā)一種量子憶阻器，以幫助支持量子機器學習。然而，該研究的主要作者 Michele Spagnolo 說，之前的工作「實現(xiàn)起來極具挑戰(zhàn)性，因為它需要創(chuàng)建單光子狀態(tài)與零光子（即真空）狀態(tài)的量子疊加?！?/p>

在這項新研究中，Spagnolo 團隊開發(fā)了一種量子憶阻器，它依賴于存在于疊加態(tài)中的光子流，其中每個光子可以沿著激光寫入玻璃的兩條不同路徑傳播。這個單量子比特集成光子電路中的一個通道用于測量這些光子的流動，這些數(shù)據(jù)通過復雜的電子反饋方案控制另一條路徑上的傳輸，從而使設備表現(xiàn)得像憶阻器。

Spagnolo 指出，通常情況下，憶阻行為和量子效應不會共存。憶阻器本質上是通過測量其中流動的數(shù)據(jù)來工作的設備，但是當涉及到任何外部干擾（例如測量）時，量子效應是非常脆弱的。

研究人員指出，他們克服了這一明顯的矛盾，方法是在他們的設備中設計相互作用，使其足夠強以實現(xiàn)憶阻性，但又足夠弱以保持量子行為。

使用計算機模擬，研究人員建議，量子憶阻器可以導致機器學習方法的性能呈指數(shù)增長，這種方法稱為水庫計算，擅長快速學習。「潛在地，量子庫計算可能比經(jīng)典的庫計算具有量子優(yōu)勢。」Spagnolo 說。

Spagnolo 說，與傳統(tǒng)量子電路相比，在量子機器學習中使用量子憶阻器的優(yōu)勢在于「憶阻器與任何其他量子組件不同，它具有記憶力」。

Spagnolo 指出，這項工作的下一步是將多個憶阻器連接在一起。他補充說，未來的研究還可以通過增加每個憶阻器中的光子數(shù)量以及它們可以在每個設備中存在的狀態(tài)數(shù)量來擴大規(guī)模。

相關報道：https://spectrum.ieee.org/quantum-memristor

未來智能實驗室的主要工作包括：建立AI智能系統(tǒng)智商評測體系，開展世界人工智能智商評測；開展互聯(lián)網(wǎng)（城市）大腦研究計劃，構建互聯(lián)網(wǎng)（城市）大腦技術和企業(yè)圖譜，為提升企業(yè)，行業(yè)與城市的智能水平服務。每日推薦范圍未來科技發(fā)展趨勢的學習型文章。目前線上平臺已收藏上千篇精華前沿科技文章和報告。

??如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”