(The Present and Perspective of Quantum Machine Learning)
Chung Wonzoo
Lee Seong-Whan
韩国信息科学会
【摘要】
本文旨在展望基于量子力学的机械学习——量子机械学习的现状和前景。近年来，随着大数据时代的来临，并且基于量子力学的量子计算所展示的创新的计算速度提高，所以将量子计算算法应用于机器学习领域的研究受到了广泛的关注。本文将研究在经典计算机学习算法中结合量子计算,具有产生划时代的速度改变可能性的算法和以最早的商用量子计算机成为话题的淬火算法等为中心的量子机器学习的最新动向和可能性。
关键词：量子计算机，机械学习，量子机械学习，人工智能
我们正在目睹前人没有经历过的数据的暴发性产出。2007年，人们储存的电子数据总量估计为2.4×1021位比特，并以每年23%的速度快速增长。但是，当前基于半导体定向的计算能力增加的趋势，有望在不久的将来会达到其物理极限。如果能突破现有的信息处理技术无法承受程度的大量的瞬间处理信息技术,并将庞大的数据量中的连锁关系的超越人的认知能力的局限性,那么将是人类新文明的开始。为此，如果有一种工具具有比目前的计算速度更高的计算能力，就会对处理数据、通信、分析等所有领域产生革命性影响。例如，即使宇宙中所有电子的数量为1080，如果它可以比现在提高指数信息处理能力，也可以用大约300位（log2 1080≈300）来表示，并且以现有的方法需要几百年的时间，也可以在几秒钟内解决。
以量子力学为基础的量子计算是一种信息处理范例，它显示了一种划时代的可能性，可以将现有的信息处理能力用指数提高(Exponential Speed-up)。例如使用量子计算基础的质因数分解方法——Shor的算法，按照现有的方法，分解相当于宇宙的年龄1010年的400位质因数大约需要一天的时间。如果将这种量子计算范式应用于机器学习领域，“世界上一年中新生成的估计约1018位的总数据只能表示为60个量子位）Quantum-bits），并且对其进行分类分析（Clustering Analysis）只需几百次操作就可以完成。”这种前景下，机械学习算法——量子机器学习(Quantum Machine Learning)和量子计算机硬件(Google, Microsoft)的研究在量子计算的基础上进行。特别是D-Wave公司开发出了专门针对量子机械学习的量子钝化(Quantum Annealing)演算法的量子计算机，在世界上首次实现商用化，使人们对量子机械学习的兴趣空前高涨。
本文将简单介绍量子计算的原理，并对可以实现指数速度改善的量子机械学习的算法原理和最近备受关注的量子淬火原理进行概略的展望。
链接：
http://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE06703728
