新華社武漢5月16日電（記者侯文坤）據(jù)武漢大學消息，該校計算機學院羅勇教授團隊在量子機器學習研究方面取得新進展，首次證明了量子數(shù)據(jù)的糾纏程度對量子機器學習模型預(yù)測誤差的影響表現(xiàn)出雙重效應(yīng)。相關(guān)研究成果近日在線發(fā)表在國際學術(shù)期刊《自然·通訊》上。
論文通訊作者羅勇介紹，量子糾纏是實現(xiàn)量子計算優(yōu)勢的關(guān)鍵資源。目前，科學家廣泛關(guān)注如何將量子糾纏整合到量子機器學習模型的各個環(huán)節(jié)，以期超越傳統(tǒng)機器學習模型的性能。盡管如此，量子數(shù)據(jù)的糾纏程度具體如何影響量子機器學習模型的性能，仍然是一個尚未解決且頗具挑戰(zhàn)性的研究課題。
“現(xiàn)有研究通常認為量子糾纏有助于提升量子機器學習模型的性能。”羅勇說，該研究團隊分析了量子數(shù)據(jù)糾纏程度、測量次數(shù)以及訓練數(shù)據(jù)集的規(guī)模對量子機器學習模型預(yù)測誤差的影響，首次證明量子數(shù)據(jù)的糾纏程度對預(yù)測誤差的影響表現(xiàn)出雙重效應(yīng)，可以是積極的，也可以是消極的，而決定量子糾纏是否能提升量子機器學習性能的關(guān)鍵在于允許的測量次數(shù)。在足夠次數(shù)的測量條件下，增加量子數(shù)據(jù)的糾纏可以有效減少量子機器學習模型的預(yù)測誤差，或減小實現(xiàn)相同預(yù)測誤差所需的量子數(shù)據(jù)大小。相反，當允許的測量次數(shù)很少時，使用高度糾纏的量子數(shù)據(jù)可能會導(dǎo)致預(yù)測誤差增大。該研究為設(shè)計更先進的量子機器學習協(xié)議，特別是針對當前量子計算資源有限的量子計算機而定制的協(xié)議提供了重要理論指導(dǎo)。
（責任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號 
