量子科技中心_量科网

在量子计算与机器学习的交叉领域，量子机器学习（QML）有望引发人工智能的革命。然而，当前量子计算机对噪声和计算误差的脆弱性，对这一愿景构成了重大障碍。虽然量子纠错（QEC）技术为几乎所有类型的硬件噪声提供了有前景的解决方案，但其应用需要数百万个量子比特才能编码一个简单的逻辑算法，这使得该技术短期内难以实现。本章探讨了在现实资源限制下将QEC与量子误差检测（QED）整合到QML中的策略。该团队首先量化了完全纠错QML的资源需求，并提出了一种降低开销同时实现纠错的部分QEC方案。随后研究人员展示了一种简单QED方法的应用，评估了其对QML性能的影响，并强调了在实现完全容错的QML之前仍需克服的挑战。