在過(guò)去幾年中，量子計(jì)算機(jī)的應(yīng)用和發(fā)展步伐正在加快。研究人員已經(jīng)將這種新穎的計(jì)算方法應(yīng)用于各個(gè)領(lǐng)域，包括量子力學(xué)、流體力學(xué)研究、開(kāi)放性問(wèn)題，甚至是機(jī)器學(xué)習(xí)，都取得了可喜的成果。延續(xù)這一趨勢(shì)，英國(guó)初創(chuàng)公司劍橋量子計(jì)算（CQC）目前已經(jīng)證明量子計(jì)算機(jī)“可以學(xué)習(xí)推理”。

[[391060]]

雖然這乍一看會(huì)令人感到困惑，不過(guò)這個(gè)說(shuō)法是基于 CQC 的新研究出來(lái)的。該公司量子機(jī)器學(xué)習(xí)主管 Mattia Fiorentini 博士和他的研究團(tuán)隊(duì)研究了利用量子計(jì)算機(jī)進(jìn)行變異推理。

　　變分貝葉斯方法 (Variational Bayesian methods)是一個(gè)過(guò)程，通過(guò)這個(gè)過(guò)程，我們使用隨機(jī)優(yōu)化和其他學(xué)習(xí)技術(shù)來(lái)逼近一個(gè)給定的概率分布。拋開(kāi)專業(yè)術(shù)語(yǔ)不談，這意味著量子計(jì)算機(jī)會(huì)輸出推理問(wèn)題的潛在解決方案。例如今天是陰天但草地是濕的，那么是什么原因?qū)е碌哪?？灑水車還是曾經(jīng)下過(guò)雨？

　　在 arxiv 上發(fā)表的一篇標(biāo)題為《Variational inference with a quantum computer》（QNLP 在實(shí)踐中：在量子計(jì)算機(jī)上運(yùn)行意義的組合模型）的研究論文中，強(qiáng)調(diào)了該公司認(rèn)為量子計(jì)算機(jī)對(duì) Variational Inference，以及延伸到推理方面的一個(gè)有希望的指標(biāo)。

　　該研究團(tuán)隊(duì)由 Marcello Benedetti 博士和共同作者 Brian Coyle、 Michael Lubasch 博士和 Matthias Rosenkranz 博士帶領(lǐng)，是 CQC 量子機(jī)器學(xué)習(xí)事業(yè)部的一個(gè)部門(mén)，該部門(mén)由 Mattia Fiorentini 博士領(lǐng)導(dǎo)。

　　在論文中寫(xiě)道：“量子計(jì)算機(jī)的輸出看起來(lái)是隨機(jī)的。然而，我們可以對(duì)量子計(jì)算機(jī)進(jìn)行編程，使其輸出具有一定模式的隨機(jī)序列。這些模式是離散的，可以變得非常復(fù)雜，以至于經(jīng)典計(jì)算機(jī)無(wú)法在合理的時(shí)間內(nèi)計(jì)算它們。這就是為什么量子計(jì)算機(jī)是概率機(jī)器學(xué)習(xí)任務(wù)的天然工具，例如不確定性下的推理”。

　　在論文中，研究人員展示了他們?cè)谪惾~斯網(wǎng)絡(luò)上的結(jié)果。測(cè)試了三個(gè)不同的問(wèn)題集。首先，是上文所述的經(jīng)典云-灑水器-雨問(wèn)題。第二，是在模擬金融時(shí)間序列的隱馬爾科夫模型中預(yù)測(cè)市場(chǎng)制度切換（牛市或熊市）。第三，是在給定一些癥狀和危險(xiǎn)因素信息的情況下，推斷患者可能的疾病的任務(wù)。

　　使用對(duì)抗式訓(xùn)練和 kernelized Stein 差異，兩者的細(xì)節(jié)可以在論文中找到，該公司對(duì)一個(gè)經(jīng)典的概率分類器和一個(gè)稱為 Born 機(jī)器的概率量子模型進(jìn)行了串聯(lián)優(yōu)化。

　　訓(xùn)練完畢后，在量子模擬器和 IBM Q 的真實(shí)量子計(jì)算機(jī)上對(duì)前面定義的三個(gè)問(wèn)題進(jìn)行推理。在下圖所示的截?cái)嘀狈綀D中，洋紅色的條形圖代表真實(shí)的概率分布，藍(lán)色的條形圖代表量子計(jì)算模擬器的輸出，灰色的條形圖代表 IBM Q 的真實(shí)量子硬件的輸出，真實(shí)量子計(jì)算機(jī)硬件上的結(jié)果受到噪聲的干擾，這導(dǎo)致收斂速度比模擬的慢。然而，這在 NISQ 時(shí)代是可以預(yù)期的。

　　量子模擬器的概率分布與真實(shí)的概率分布非常相似，說(shuō)明量子算法的訓(xùn)練效果很好，公司的對(duì)抗性訓(xùn)練和內(nèi)核化的 Stein 差異方法是達(dá)到預(yù)期目的的強(qiáng)大算法。

　　論文中寫(xiě)道：“我們用貝葉斯網(wǎng)絡(luò)的例子對(duì)該方法進(jìn)行了數(shù)值演示，并在 IBM 量子計(jì)算機(jī)上實(shí)現(xiàn)了實(shí)驗(yàn)。我們的技術(shù)可以實(shí)現(xiàn)高效的變分推理，其分布超出了那些在經(jīng)典計(jì)算機(jī)上可以有效表示的分布。我們的技術(shù)可以實(shí)現(xiàn)高效的變量推理，其分布超越了那些在經(jīng)典計(jì)算機(jī)上可有效表示的分布。”