量子科技中心_量科网

在当今世界，人工智能的应用正渗透到人类生活的方方面面。任何人工智能的基本单元都是被称为感知器的数字神经元，而其量子对应物则称为量子感知器。该研究团队在此提出了一种名为“信息受限测量基感知器”(IMP)的模型，其中每个输入由两个比特组成，而感知器会根据自由输入变量在节点处决定评估哪个比特。此外，从输入端传输到节点的状态被限制为单比特（量子比特）。该工作证实，在这种限制条件下，量子IMP的预测能力优于经典IMP。这意味着在传输状态维度受限的情况下，当经典感知器和量子感知器学习相同内容时，量子感知器能做出更准确的预测。 研究人员通过寻找特定的感知器学习参数值，证明了量子感知器相对经典感知器的优势。在仅限于离散二进制输入的情况下，该团队发现这种量子优势具有普遍性——对于任何可由量子和经典IMP实现的非平凡函数，总能找到优于所有经典实现预测能力的量子实现方案。这表明在学习和资源条件相同的情况下，量子感知器的预测能力将超越任何经典感知器。