小规模光子量子处理器在机器学习任务中已能超越经典计算机
2025年6月9日，维也纳大学的科学家在《Nature Photonics》期刊上发表了一项研究，他们通过一个光量子处理器，在机器学习分类任务上实现了对经典计算机的超越。它也就是个用光子（光粒子）做计算的量子芯片，规模不大，但已经能在某些活计上干得比普通电脑更准、更省电。研究团队由Philip Walther领头，Zhenghao Yin当第一作者，加上Iris Agresti，折腾出一个国际合作的实验，用意大利米兰理工大学造的光量子电路，跑了个Quantinuum公司设计的算法。结果呢，数据点分类时错误率更低，能量消耗还少。
图释：数据点的分类可以通过光子量子计算机进行，从而提高了传统方法的准确性。图片来源：Iris Agresti量子机器学习听着玄乎，其实就是把机器学习和量子计算这俩热门货捆一块儿。机器学习咱熟，AI那套从推荐视频到预测天气都用得上，可算力不够就卡壳。量子计算呢，靠量子比特的叠加和纠缠，能同时处理海量数据，理论上快得多。但问题来了，现在的量子计算机大多是几十个量子比特的水平，远没到实用阶段。维也纳大学这回的实验，偏偏就在这小规模上露了一手。他们用的光子量子处理器，就是用激光和光纤操控光子当量子比特，优势是噪声小、速度快，还省能源。实验任务很简单：分类数据点，比如把图片分成猫狗，或者医疗数据分健康病患。经典算法像SVM（支持向量机）这类，平时挺靠谱，但量子版一上，错误率硬是降了。论文里没给具体数字，可结论明摆着：量子优势不是吹的，哪怕芯片小如指甲盖。
机器学习里的分类任务，经常要算高维空间的距离或相似度（kernel-based方法），量子处理器直接并行处理，省时省力。举个例子，经典算法算个复杂模式得绕弯子，量子版可能一步到位。这实验里，算法是Quantinuum搞的量子增强版，跑在光子芯片上，测出来错误少。更绝的是节能：光子平台耗电低，Iris Agresti说了，现在AI训练动不动烧掉一个小城市的电，量子路子能解这燃眉之急。
回头看看量子计算，IBM、Google前几年喊量子霸权，实际用起来却鸡肋。Google那个53量子比特的芯片，2019年宣称在特定任务上快过经典机，可那任务专为量子设计，没啥实际意义。维也纳团队这回不同，他们搞的是通用机器学习任务，贴近现实。光子量子计算机算新秀，比起超导量子（像Google用的）或离子阱，优势在室温运行、易集成光纤，但挑战是规模难做大。实验证明了小规模就能出效果，不用等什么百万量子比特的未来。说白了，这给量子机器学习打了强心针：别总想着大而全，小而精也能先吃肉。
影响呢，两头吃香。量子计算这边，找着了能落地的任务，光子平台可能弯道超车。经典计算那头，量子算法启发新设计，比如省电的AI芯片。长远看，这能加速药物研发或金融建模，但别急着嗨，实验规模小，任务也特定，离通用量子AI还远。话说回来，真实性是铁律：日期2025年6月9日，论文DOI 10.1038/s41566-025-01682-5，《Nature Photonics》白纸黑字登着，数据没掺水。研究是维也纳大学出品，团队名单清清楚楚，节能优势基于光子特性实测，错误率对比用标准基准。量子领域常吹牛，这次倒踏实。
页:
[1]
