【為什麼我們要挑選這篇文章】量子電腦硬體技術不斷突破，也帶動相關軟體的發展。近日 Google 開源量子機器學習模型的訓練框架 TensorFlow Quantum，讓開發者能藉此開發量子電腦與機器學習應用。
此外，近期 Honeywell 宣布推出量子電腦，微軟發表 Azure Quantum，再加上 Intel、IBM 的競爭，Google 此時推出 Tensorflow Quantum 框架，向市場宣告自己的量子實力。（責任編輯：郭家宏）
近日，Google 宣佈推出量子機器學習開源庫 TensorFlow Quantum。
這一開源庫整合了 Google 之前開源的量子計算框架 Cirq 和機器學習框架 TensorFlow。Cirq 提供了一個軟體模擬器來運行量子演算法，不要求開發者必須有一台真實的量子電腦。而 TensorFlow 是一個封裝了底層深度學習模型的軟體庫。簡言之，不管是 Cirq 還是 TensorFlow，都是為了降低新技術門檻而生。借助這些開源工具，開發者可以更快更省地打造量子計算或機器學習應用。
Google 現在把兩者結合了起來，能讓開發者利用古典或者量子數據，快速打造一個混合的量子-古典模型原型，以期推動量子計算和機器學習社區，發現更能發揮量子優勢的新演算法。
雖然量子計算和機器學習都是技術熱詞，但分屬完全不同的領域。兩者為什麼能結合在一起？量子計算能給機器學習帶來什麼？一切要從古典數據和量子數據的區別說起。
跳出 2 位元侷限，量子電腦的運算速度遠大於傳統電腦
所謂古典數據和古典模型，都是相對於量子而言。現在流行的電腦被稱為傳統電腦，資訊量的基本單位是位元，在二進制中，值不是 0 就是 1。
而遵循量子力學規律打造的電腦被稱為量子電腦，資訊量的基本單位是量子位元，在取值前處於不確定狀態，即疊加態。也就是說，量子位元可以同時處於 0 和 1 的狀態。
有人做過一個比喻：傳統位元是「開關」，只有開和關兩個狀態（0 和 1），而量子位元是「旋鈕」，就像收音機上調頻的旋鈕那樣，有無窮多個狀態。傳統電腦透過操縱傳統位元進行運算，而量子電腦是操縱量子位元，本質上就是去旋轉它們。
量子疊加這種特性決定了在同樣位元數量的情況下，量子位元能儲存比傳統位元更多的資訊。
比如，把 1 個「0」和 1 個「1」放在一起，會有 4 個組合狀態：00、01、10、11。2 個傳統位元只能是其中 1 種狀態，而 2 個量子位元可以同時包含這 4 個狀態，並且每個狀態都有一定的權重。
只有當人們去讀取量子位元時，同時包含 4 個狀態的量子位元才會變化為其中一個狀態。正是由於這種疊加的特性，量子電腦具備了強大的並行計算能力。
除了疊加，量子還有個特性是「糾纏」。糾纏性可以讓多個量子位元共享狀態，創造出「超級疊加」的量子並行計算，計算能力隨位元數增加呈指數級增長。
理論上，擁有 300 個量子比特的量子電腦，瞬間所能執行的並行計算次數比宇宙中的原子總數還多。
對於量子計算的並行性，微軟 CEO Satya Nadella 在 2017 年微軟 Ignite 大會上，用找迷宮出口來比喻解釋：
為了找到迷宮的出口，傳統電腦先開啟一條搜尋路徑，遇到障礙物後會沿原路返回，之後再次探尋新路，直到遇障返回或找到了正確出口。雖然最終能找到一個結果，但這種方法相當耗時。
相比之下，量子電腦解鎖了神奇的並行性。它們同時探尋玉米迷宮中的每一條路。因此，量子電腦可能指數級減少解決問題的步驟。
中國科學院院士潘建偉也曾說：「如果傳統電腦的速度是自行車，那麼量子電腦的速度就是飛機。」
這種遠遠超過傳統電腦的計算性能，正是機器學習所需要的。眾所周知，當下這次以機器學習方法為代表的人工智慧浪潮，是算力、演算法和數據相結合的結果。
如果機器學習任務無法快速計算完成，那麼經濟價值就無法得到體現。當前，企業和學界普遍採用 GPU 和 FPGA 等適合併行計算的通用晶片來實現加速，但這些方法依然是基於傳統電腦。
速度遠遠超越傳統電腦的量子電腦，自然而然和機器學習聯繫起來。
量子機器學習演算法可分為 3 類
早在 1995 年，美國路易斯安那州立大學 Kak 教授首先提出了「量子神經計算」的概念。而後，量子聚類、量子深度學習和量子向量機等演算法相繼被提出。2015 年，潘建偉教授團隊在小型光量子電腦上，首次實現了量子機器學習演算法。
事實上，已有的量子機器學習演算法主要可細分為 3 類。第一類，機器學習的整體計算依然採用傳統電腦，但把比較複雜的計算轉換成量子版本，用量子電腦來運行。
第二類是「尋找量子系統的力學效應、動力學特性與傳統機器學習處理步驟的相似點，將物理過程應用於傳統機器學習問題的求解，產生出新的機器學習演算法」。第三類，則是借助機器學習力去研究量子系統。
目前，對量子機器學習的研究大多集中在第一類。在具體的執行層面上，要用量子電腦來運行傳統機器學習複雜計算的部分，首先要把傳統數據轉換成量子數據。
然後把量子數據輸入量子電腦，用量子演算法計算完成後輸出。由於輸出的計算結果依然是量子疊加態的，所以最後還需要進行測量，把傳統數據提取出來。
雖然量子計算的特性和機器學習非常契合，但整體而言量子機器學習還處於初級階段。並且，不是所有的傳統機器學習演算法都可以用量子計算加速。
量子機器學習演算法實用化的硬體條件也還沒有成熟。據科技日報報導，在通用量子電腦造成功之前，量子機器學習演算法很難在實際應用中，展現出其數據處理方面的強大能力。
這次開源 TensorFlow Quantum 的 Google，也是一直在打造自己的量子電腦。2019 年 10 月 23 日，Google 在 Nature 上刊登了關於「實現量子霸權」的論文 ，他們製造出了 53 個量子位元數的量子計算機，計算能力超傳統超級電腦。同樣的計算量，量子計算機用 200 秒就完成了，而目前最強的傳統超級電腦，要花費 10000 年才能完成。
「量子霸權」是指量子電腦可以完成傳統電腦無法做到的事情。這個概念最早由加州理工學院理論物理教授 John Preskill 在 2012 年提出。
Google 用 53 個量子位元實現了「量子霸權」是一個里程碑式的事件，但離通用量子電腦的要求（通常認為需要 100 萬個量子位元）還是很遙遠。儘管如此，依然有越來越多學術機構和公司投入到了量子機器學習領域。並且，在一些具體的場景（如圖像分類），量子機器學習也已經被證明了其可行性。
（本文經合作夥伴 品玩 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈Google 开源量子机器学习库，量子计算和机器学习结合会改变什么？〉。首圖來源：TensorFlow Quantum）
更多關於量子電腦的資訊
開發「離子阱」技術，工業巨頭 Honeywell 將推出全球最強的量子電腦
IBM 再次將「量子體積」翻倍，量子電腦的算力以每年 2 倍的速度穩定成長！
【台廠投入量子爭霸戰】廣達派工程師研究量子電腦，布局量子時代的雲端伺服器商機！
