Navigation menu
数据点可以通过光学数量计算机进行分类，从而提高了传统方法的准确性。图：Iris Agrestti提到的文章地址：研究机器和量子计算是当今最受欢迎的研究领域之一。一项实验研究表明，即使是少量计算机也可以改善机器学习算法的性能。维也纳大学的国际研究团队已在光学量子处理器中证明了这一点。这项工作最近发表在《自然光子学》杂志上，显示了光子量子计算机的新应用前景。最近的科学突破正在重新调节未来技术的发展。一方面，对机器的研究和人工智能的研究已将我们的生活从一天（日至今的活动）转变为科学研究。另一方面，计算的数量已成为一种新的计算范式。从包含这两个有希望的FieLDS是一项新的研究线：学习机器的数量。该领域旨在在算法在音量平台上运行时速度，效率或准确性的潜在提高。但是，在当前技术水平上实现比计算机量的优势仍然是一个开放的挑战。这是国际研究团队迈出的下一步，与维也纳大学的科学家一起设计了一个新颖的实验。该实验设备使用米兰理工大学（意大利）建造的量子光子电路，这意味着英国Quantinuum Research Institute首先提出了机器研究算法。目的是使用光子量子计算机对数据点进行分类并突出显示体积效应的贡献，以了解其优势比经典计算机。实验表明，即使是少量处理器也可以比传统算法更好。我们发现我们的算法会减少误差该项目负责人的维也纳大学的菲利普·沃尔瑟（Philip Walther）解释说，比其经典的特定作品相比要做。这意味着现有的数量计算机可以表现出出色的性能，而无需超越最先进的技术，Zheng Haoyin是该论文的第一作者。研究的另一个有趣的新方面是，与标准计算机相比，光子平台消耗的能量更少。这在将来可能很重要，因为合着者Iris Agresti强调，机器学习算法可能不会出现过多的能源消耗。研究人员的结果具有计算数量的效果，因为它识别出受益于数量效果的活动，但也对普通计算产生影响。实际上，受体积体系结构启发的新算法旨在提高性能并减少能耗。