*科學家闡釋純量子AI算法理論，對同類算法具有普遍指導意義，或極大提升生化及圖文領域模型性能*
「據我們所知，這是中國大陸高校團隊在 Nature Communications 發表的第一篇純量子人工智能理論論文。」針對自己和武漢大學團隊合作的新成果，新加坡南洋理工大學杜宇軒博士表示。
圖 | 杜宇軒（來源：杜宇軒）
論文中，他和武漢大學羅勇教授課題組描述了預測誤差和糾纏程度，所涉及到的數學理論分析，或可用於研究量子機器學習的理論。
很多業內人士都認為，量子計算機能帶來革命性的應用，能在諸多方面取代或協助現有的經典計算體系。
而本次成果刻畫了量子人工智能算法理論，對於所有的量子人工智能算法的設計都能帶來一定指導。
首先，在化學材料和生物研究領域，本次成果能夠幫助人們設計更加有效的量子人工智能算法，從而用於分類不同的分子結構。
預計這將極大促進化學材料和醫藥分子結構的設計和優化。例如，通過更精確地分類和識別物質的相變，將能加速開發性能更優的材料或藥物。
其次，本次成果對於文本、語言和圖像處理等也具有重要應用前景。
它能指導人們設計更加高效的量子人工智能算法，從而加速模型訓練和降低能耗，或能以更少的樣本量達到更好的預測效果。
例如，在圖像識別和自然語言處理領域，量子人工智能算法有望顯著提高模型的準確性和效率，從而提升各類智能應用的性能。
（來源：Nature Communications）
01, 從費曼和「沒有免費的午餐」定理說起
在當前，算力決定著社會的生產力，因此不斷追求高算力的計算設備，是人類保持高速發展的核心途徑之一。
而經典計算尤其是基於矽芯片的經典計算，已經進入後摩爾時代。
因此，如何研製新型計算設備以保持算力的穩步增長，成為學界和業界十分關心的問題。
作為下一代計算設備備受矚目的架構之一，量子計算受到了巨大關註。
量子計算機由諾貝爾物理學獎得主理查德·費曼（Richard Phillips Feynman）提出，核心思想在於利用量子計算機來模擬微觀粒子的行為，相比傳統計算機它能實現指數級的加速。
經過長達半個世紀的探索，人們發現量子計算機不僅在模擬物理系統上具有優勢，⽽且在各類計算問題中也具備不少的優勢。
例如，在大數分解任務中，量子計算機可以在多項式時間內完成。而傳統計算機則需要指數級的時間。
憑借這些優勢，近年來學界和業界都在密切關註量子計算機的硬件發展和算法應用，尤其是如何通過設計高效的算法，來充分利用量子計算機的優勢。
當前量子計算機的量子比特數，盡管已經遠遠超越超級計算機暴力模擬的極限，但是由於不可避免的系統噪聲問題，其所允許的線路深度和算法復雜度仍然有限。
因此，如何利用現有的量子設備來實現相關應用，成為業內備受關註的問題。
在這些可能實現的應用中，量子人工智能（或量子機器學習）被認為是最有潛力的應用之一。
自 1994 年美國計算機科學家彼得·秀爾（Peter Williston Shor）提出量子大數分解算法以來，量子算法領域迎來了持續的發展。
在人工智能領域，2008 年美國麻省理工學院團隊提出量子線性求解器方法，從理論角度證明該方法相比經典方法能夠實現指數級的加速。
近年來，量子人工智能算法獲得了質的飛躍。在算法層面，人們開始關心如何與現有量子硬件耦合，即如何利用已有的量子資源，來設計適配於量子硬件的算法。
據介紹，該團隊的研究主要圍繞量子計算與人工智能的結合，分為兩個層面：
其一，針對不同實際任務設計相應的量子人工智能算法，並確保這些算法具備在現有量子計算機上執行的可行性。
其二，在理論角度分析量子人工智能算法能力的上限與下限，闡明相關算法在哪些任務上具有量子優越性，例如在運算時間、能耗和樣本量上取得顯著提升。
本次研究則屬於上述研究目標的第二類。
2018 年，IBM 首次利用其量子雲平臺實現了基於量子版本的支持向量機模型的數據分類。
2021 年，杜宇軒所在團隊與中國科學技術大學潘建偉院士團隊合作，在一款自研的超導量子計算機上，成功打造一款量子人工智能生成模型，並首次利用量子計算機生成了手寫數字圖像。
而量子疊加效應與量子糾纏效應，長期以來被認為是量子人工智能能否超越經典人工智能算法的兩大核心因素。
雖然業內普遍認為量子糾纏的引入越多，算法的優越性越明顯。但是，在本次工作之中杜宇軒等人針對這一觀點提出了質疑。
並在人工智能領域的核心定理之一「沒有免費的午餐」定理的框架之下，進行了理論研究。
所謂「沒有免費的午餐」的定理，指的是沒有任何一種機器學習算法適用於所有情況。某一款機器學習算法也許在某個領域好用，但在另外一個領域可能並不好用。
（來源：Nature Communications）
02, 中國 國內業界裁撤量子部門，課題一度遭遇波折
而其實在本次研究開始之前，領域內已經有 1-2 篇關於量子機器學習與「沒有免費的午餐」定理相結合的論文，但在杜宇軒看來這些成果並不完善。
舉例來說，由於觀測量子態的次數有限，因此量子計算是一種概率型計算。
但是，之前的研究結果都建立在確定型計算（即假設觀測次數無限），因此並不符合實際情況。
這引發了課題組針對「沒有免費的午餐」定理在量子人工智能框架下的深入思考：
首先，在觀測量子態的次數有限的情況之下，如何利用「沒有免費的午餐」定理，來刻畫經典機器學習與量子機器學習能力的差別？
其次，如何利用「沒有免費的午餐」定理，來刻畫量子計算的糾纏、疊加、相幹等獨特特點對於量子機器學習模型能力的影響？
由於這是一項理論研究，所以更多地依賴於數學分析技巧。
同時，由於量子機器學習理論的研究歷史非常短，因此量子機器學習理論中的現有數學分析工具，並不足以直接回答課題組所關心的核心問題。
為此，他們借用量子信息理論和經典統計學習理論的交叉方法，將機器學習、量子信息論和量子人工智能理論三大領域加以融合，借此獲得了比較滿意的理論結果。
而在撰寫論文時，他們刪去了已經寫好的與糾纏對偶效應無關的內容。
修改之後論文的脈絡變得更加清晰，也能更展示量子糾纏效應對於量子人工智能模型性能的多元化影響。
而這種多元化的影響與所允許的觀測次數高度相關。當觀測次數足夠多時，它會對量子人工智能模型產生正相關作用，反之則會導致量子人工智能模型能力出現退化。
投稿過程中針對審稿人的意見，課題組在回復中表示：本次工作並非著眼於一般性的量子神經網絡性能研究，而是基於奧卡姆剃須刀原理和「沒有免費的午餐」定理（即人工智能的兩大公理），來刻畫糾纏效應對量子人工智能模型能力的影響。
因此，這些結果是與數據和優化器毫無關系，故更加具備深層次和廣義性。
而在本次研究期間，國內工業界對於量子計算的布局均發生了調整，比如裁撤量子部門或更加註重量子技術的商業化落地和產品化，而非繼續關註基礎理論的探索。
「這在某種程度上增加了我們這項工作的推進難度。例如，我們論文的第一作者不得不辭去實習生的身份，回到學校繼續研究本次課題。」杜宇軒表示。
好在最終論文得以順利發表在 Nature Communications[1]，論文題為《糾纏數據在量子機器學習中的過渡作用》（Transition role of entangled data in quantum machine learning）。
武漢大學博士王新彪是第一作者，南洋理工大學的陶大程教授和杜宇軒博士、以及武漢大學羅勇教授擔任共同通訊作者。
圖 | 相關論文（來源：Nature Communications）
目前，課題組已經啟動下一步研究。
總的來說，其打算通過更深入的理論研究和算法優化，提升量子計算在應用中的性能和效率。
在理論研究上：
他們正在探索是否可以利用「沒有免費的午餐」定理來刻畫量子計算的優越性。目前，新的論文已經在預印本網站上發表。
在這篇新論文之中，他們證明在研究量子態的演化時，基於量子內存建立的量子人工智能算法，比經典方法具有顯著的復雜度優勢。
基於此，他們準備將「沒有免費的午餐」定理推廣到更一般的情形。
而本次發表在 Nature Communications 的論文主要關註在理想環境中的理論刻畫，但是他們也希望研究在開放體系中，量子算法的優越性是否與其內凜的糾纏度存在正相關。
在算法設計上：
目前的研究表明，當使用現有的量子雲平臺運行算法時，測量次數需要進行精確的規劃。
因此，該團隊下一步的算法研究目標是：給定一個量子人工智能算法，從而以動態高效的方式，匹配其測量次數和內部糾纏度。
以此來確保在現有糾纏度之下，算法不會被測量次數所限製，從而能夠充分發揮其優勢。
另據悉，杜宇軒本科畢業於四川大學。後在澳大利亞悉尼大學獲得碩士學位和博士學位，師從澳洲科學院院士、歐洲科學院院士、ACM Fellow、IEEE Fellow 陶大程教授。
「我是陶大程教授團隊裏第一個研究量子人工智能方向的學生。博士畢業後，我於 2021 年跟隨陶老師加入京東探索研究院，並由我負責量子人工智能團隊。」杜宇軒說。
「同時，我也是京東的博士管培生，每年只有不到 50 人能獲得這一機會。」他繼續說道。
2024 年初，由於個人規劃與公司技術戰略理念的差異，杜宇軒選擇離開京東。
目前，他在南洋理工大學進行訪問研究，專註於量子人工智能的研究。
截止當下，杜宇軒已經發表 30 多篇論文（包含 13 篇一作論文）。
通過這些研究， 他曾首次利用統計學習理論中的覆蓋數，來刻畫量子神經網絡的表達能力和泛化能力，並提出了自動化量子神經網絡設計框架。 而在未來，他也將繼續在量子人工智能領域深耕下去。---[運營/排版：何晨龍/來源: DeepTech深科技]
參考資料：
1.Wang, X., Du, Y., Tu, Z.et al. Transition role of entangled data in quantum machine learning. Nat Commun 15, 3716 (2024). https://doi.org/10.1038/s41467-024-47983-1
01/ 讓心衰治療告別「治標不治本」：科學家發現新型小分子激動劑，能有效緩解心肌肥大和纖維化
02/ 新型AI大模型「能夠對任意代謝酶進行活性預測」和生成式設計改造，私有數據集部署成為邁向產業化關鍵
03/ 上交大-MIT聯合團隊將膜蛋白變成非膜蛋白，可用於合成生物學和新藥研發
04/ 科學家研發微納生物電子纖維，觸碰手指即可讀取他人心電信號，可用於智能健康和人機交互
05/ 科學家研發矽光傳算處理芯片，實現片間多模復用光互連，可兼容矽光流片工藝
