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，以開發通過經驗自動改進的算法，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。

現在，科學家們已經創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——人類大腦中神經元之間的聯系——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元一樣能夠計算和存儲數據。因此，研究人員建議使用憶阻器構建的神經形態或類腦計算機在運行神經網絡時表現良好，這些神經網絡是使用合成版本的突觸和神經元來模擬人腦學習過程的機器學習系統。

「憶阻器與任何其他量子組件不同，它具有記憶力。」

現在，奧地利和意大利的科學家已經開發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形態計算機。他們上個月在《Nature Photonics》雜志上在線詳細介紹了他們的發現。

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。

經典計算機打開或關閉晶體管以將數據表示為 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。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方式增長。

科學家們仍在研究量子計算可能比經典計算更具優勢的具體問題。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「實現起來極具挑戰性，因為它需要創建單光子狀態與零光子（即真空）狀態的量子疊加。」

在這項新研究中，Spagnolo 團隊開發了一種量子憶阻器，它依賴于存在于疊加態中的光子流，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，這些數據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據來工作的設備，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典的庫計算具有量子優勢。」Spagnolo 說。

Spagnolo 說，與傳統量子電路相比，在量子機器學習中使用量子憶阻器的優勢在于「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量以及它們可以在每個設備中存在的狀態數量來擴大規模。

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智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）大腦研究計劃，構建互聯網（城市）大腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。每日推薦范圍未來科技發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”

總結

以上是生活随笔為你收集整理的人工智能与量子计算在有前途的新忆阻器中融合的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。