據(jù)悉，他們開發(fā)了一套在一臺量子計算機上運行的單層人造神經(jīng)網(wǎng)絡(luò)(ANN)。這種基礎(chǔ)ANN被稱為感知器，它是更強大網(wǎng)絡(luò)神經(jīng)的基礎(chǔ)組成部分。

而之前在量子系統(tǒng)上建立感知器的嘗試涉及到的是將單個量子位元視為是網(wǎng)絡(luò)中的神經(jīng)元。這是一種繁瑣而又復(fù)雜的方法，并且它也未能產(chǎn)生太多的可操行結(jié)果。

Tacchino及其團隊則嘗試了另一種不同的方法。據(jù)其介紹，他們采用的是一種類似于Rosenblatt感知器在量子計算機上的另一種設(shè)計，“我們通過在支持云量子計算的IBM量子處理器上部署二量子位版算法來實驗性地展示這種方法的有效性。”

IBM的Q Experience計算機是一種五量子位云端訪問的量子系統(tǒng)，對于那些沒有數(shù)百萬美元資金投入的實驗室和接觸***物理學(xué)家和工程師的人來說，它一直被作為是一種與量子計算互動的方式，不過通常情況下，它更多地會被認為是一種教育工具。

量子計算機面臨的其中一個大問題是沒有任何軟件、程序或編碼。要為一臺違反物理定律的機器編寫代碼是非常困難的，但這并不是說就沒有可能。

意大利團隊就通過在IBM Q系統(tǒng)上運行感知器算法并利用合成神經(jīng)網(wǎng)絡(luò)進行圖像分類任務(wù)證明了這一點。據(jù)悉，這是科學(xué)界***次這樣做。

現(xiàn)在它所能做的就是分辨出給定圖像的三種基礎(chǔ)模式中的其中一種。雖然這聽起來好像也算不上什么大事，但當(dāng)把它放在量子優(yōu)勢的背景下卻又是另外一回事了。

研究人員表示，他們的算法比傳統(tǒng)感知器模型更具有指數(shù)優(yōu)勢。這僅僅意味著在量子系統(tǒng)云端運行的神經(jīng)網(wǎng)絡(luò)可能比在傳統(tǒng)系統(tǒng)上運行的神經(jīng)網(wǎng)絡(luò)更具有指數(shù)型的優(yōu)勢。人工智能和量子計算的結(jié)合帶來的影響將會是超乎想象的。

相信未來的智能機器絕不會只是AI或量子--而是兩者兼而有之。