EQUINOX GRAPHICS/UNIVERSITY OF VIENNA
近年来，计算在两个主要方面取得了进展：机器学习的突破，开发了可以根据经验自动改进的算法；量子计算机的研究理论上证明了量子计算机比任何超级计算机都强大。现在，科学家们创造了一种称为量子记忆阻器的设备的第一个原型，它可能有助于将人工智能和量子计算结合起来，以获得前所未有的能力。
记忆电阻器，或记忆电阻器，是一个用于电子电路的建筑模块，科学家们在大约50年前预测了这种结构，但直到十多年前才首次创建。这些元件本质上是电子开关，可以记住电源关闭后是打开还是关闭。因此，它们类似于突触-人脑神经元之间的联系，其导电性的增强或减弱取决于过去通过它们的电荷。
理论上，记忆阻器可以像人工神经元一样计算和存储数据。因此，研究人员认为，使用记忆阻器构建的神经形态或大脑计算机在运行神经网络方面表现良好。神经网络是一种模拟人脑学习过程的机器学习系统。
现在，奥地利和意大利的科学家们开发了一种量子版的记忆阻器，他们认为它可能发展成量子神经计算机。上个月，他们在《自然光子学》杂志上详细介绍了自己的研究成果。
量子计算机依赖于宇宙如何在其最小水平上成为一个模糊的地方。例如，原子、光子和宇宙的其他组成部分可以称为叠加的流动状态，这意味着它们基本上可以同时位于两个或两个以上的位置，或者同时朝两个相反的方向旋转。
经典计算机打开或关闭晶体管，将数据表示为1或0，量子计算机使用量子比特（qubits），它们可以同时处于1和0的叠加状态。量子计算机中连接的量子比例越多，其计算能力就会以指数的形式增加。
科学家们仍在研究量子计算可能比经典计算更有利的具体问题。最近，他们开始探索量子计算是否有助于促进机器学习。
之前的研究建议开发一种使用光子的量子记忆阻器，以帮助支持量子机器学习。然而，维也纳大学量子物理学博士生Michele Spagnolo说之前的工作实现起来很有挑战性，因为它需要创建一个单光子态和零光子态的量子叠加，即真空态。
在这项新研究中，Spagnolo他和同事们开发了一种量子记忆阻器，它依赖于叠加的光子流，每个光子都可以沿着激光写入玻璃的两条不同路径传播。单量子比特集成光子电路中的一个通道用于测量这些光子的流量，通过复杂的电子反馈方案控制另一条路径的传输，使设备看起来像记忆阻器。
Spagnolo指出，记忆行为和量子效应通常不会共存。记忆阻器本质上是一种通过测量内部流量数据来工作的设备，但当涉及到任何外部干扰（如测量）时，量子效应都非常脆弱。研究人员指出，他们克服了这一明显的矛盾，即在设备中设计相互作用，使其足够强，以实现记忆阻力，但足够弱，以保持量子行为。
利用计算机模拟，研究人员建议量子记忆阻器可以导致机器学习方法的性能呈指数级增长，称为水库计算，擅长快速学习。潜在地，量子库计算可能比经典的库计算具有量子优势。Spagnolo说。
与传统的量子电路相比，在量子机学习中使用量子记忆阻器的优点是与任何其他量子元件不同，记忆阻器都有内存， Spagnolo说。
Spagnolo指出这项工作的下一步是连接多个记忆阻器。他补充说，未来的研究也可以通过增加每个记忆阻器中的光子数量和每个设备中的状态数量来扩大。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。
如果您对实验室研究感兴趣，欢迎加入未来智能实验室在线平台。扫描以下二维码或点击本文左下角阅读原文