量子電腦的運算速度是傳統電腦的數兆倍，機器學習可以讓電腦透過數據自主優化，如果將機器學習結合量子電腦，是否可以打造超高速運算的智慧電腦？
人類向這個目標邁出了第一步！9 月底，牛津大學在《npj Quantum Information》發表一篇論文。牛津大學與 Basel、Lancaster 大學合作，開發出計算量子點的機器學習演算法。透過這樣技術，人類可以建構更大的量子位元結構，打造更複雜的量子電腦。
論文傳送門
首先，我們來了解「量子點」是什麼？
要讓量子點達到最適狀態，電壓必須控制得相當精準
量子點（quantum dots，QDs）指的是奈米尺寸等級的物質，通常是半導體，可以將電子與電洞侷限在其中，產生可以控制的光、電、自旋等性質。量子點的技術已被應用在電晶體、太陽能電池等領域；近年，量子點被應用在量子電腦的運算。
量子點中的電子自旋態是量子電腦的最小資訊單位，稱為量子位元（qubit）。在量子點，電子被束縛在陷阱（trap）中，它們的自旋態可以藉由電壓的控制而快速切換，轉換成指定的態勢。因此人類可以利用這個特性打造量子電腦，進行量子運算。
為了要讓量子點達到最適狀態，電壓必須控制得相當精準。問題是，當量子點數量擴大，也就是量子位元增加後，若要讓每個量子點都達到最適狀態，就必須花上大量的時間調整電壓，因為每個量子點都不相同，必須要針對每個量子點，一個一個調整。
也就是說，人類是否可以自動量測並控制量子位元，是擴大量子電腦應用的關鍵議題。
透過機器學習，讓量子位元的量測與控制自動化
近期牛津大學發表計算量子點的機器學習演算法，為這個問題提供了解決方案。該演算法可以自動化量測與控制量子位元，比起傳統的資料處理方式，可以減少量測時間與次數。研究人員藉由電壓與量子點的變化關係訓練該機器學習演算法，讓它可以找到最有效率的量測與控制方式。
牛津大學材料系的教授 Natalia Ares 表示，這是人類第一次使用機器學習量測量子點，讓我們可以建構更大的量子設備。
關於下一步，Basel 的教授 Dominik Zumbühl 則表示，要將此演算法應用到其他材料打造的量子點中，建立更好的量子電腦，也建構更大的量子位元結構。
透過機器學習演算法，人們將量子點的量測與控制自動化，提升運算效能，讓我們可以打造更複雜的量子設備。或許在不久的將來，就有科學家開發出用量子電腦運作的人工智慧，藉由量子電腦的高速運算，或許人類有機會開發出智力更高，應用更廣的超級人工智慧。
參考資料來源：
1. 《PHYSORG》：〈Machine learning opens new possibilities for quantum devices〉
2. 《Tech Explorist》：〈Machine learning helps measure quantum dots automatically〉
3. 《npj Quantum Information》：〈Efficiently measuring a quantum device using machine learning〉
4. 《DIGITIMES》：〈量子點與量子電腦〉
（本文提供合作夥伴轉載。首圖來源：Flickr CC Licensed）
更多關於量子電腦的消息
SEMICON 2019 國際半導體展：從台灣角度如何看量子電腦發展？
IBM 推出 53 量子位元的量子電腦！突破預言門檻，「量子霸權」的時代來臨了嗎？
【原子級量子電腦】在矽裡置入兩顆磷原子，澳洲科學家把量子運算速度提升 200 倍！
