百度首款量子机器学习开发工具“测桨”

量子机器学习 量子机器学习是量子计算机科学与机器学习的交叉学科研究[2]。 QML 可以利用量子计算来改进经典的机器学习方法（关于量子机器学习，请参考：）。

该术语最常见的用途是分析在量子计算机上对经典数据执行的机器学习算法，称为量子增强机器学习。 量子增强机器学习是指在机器学习中解决某个任务的量子算法（量子算法可以参考李路舟教授的文章介绍：），从而改进和加速经典的机器学习技术。 此类算法通常需要将给定的经典数据集编码到量子计算机中，以处理量子信息，然后通过测量量子系统读出量子计算结果。

这种方法也称为经典和量子处理的混合方法，将计算困难的子程序打包到量子系统中进行处理，然后继续以经典方式处理子程序的结果（QPU可以理解为类似 GPU 的量子加速器）。

有了QPU的帮助（有些工作可以在模拟器中进行测试，比如在没有QPU的情况下测量桨，仍然可以做很多测试工作），这些运行的程序可能会更复杂一些，但是执行速度会更快，甚至可以解决以往纯经典方法无法在高效时间内解决的问题。 当然，量子机器学习这个词表达的不止于此。

一般来说，量子计算和机器学习的结合有四种不同的方式，如下矩阵表所示，第一个字母表示所研究的系统类型，C（Classical）表示经典计算机，Q（Quantum）表示量子计算机computer，第一个字母 这两个字母也表示相同的意思。

目前QC和CQ都是比较热门的研究领域。 虽然量子机器学习需要大量的量子比特，但人们也在 NISQ 设备上找到了一些可测试的案例。

例如，对于量子幅度线性代数模拟，HHL算法是典型的，还有基于Grover搜索的量子机器学习算法和量子采样。 这些在深度学习、人工智能应用等方面都有很大的发展潜力。

百度在人工智能领域深耕多年，推出量子机器学习开发工具“Measure Paddle”是水到渠成的结果。

当然，这是目前国内唯一支持量子机器学习的深度学习平台。 得益于飞桨超过190万用户的加持量子计算机也破解不了比特币量子计算机也破解不了比特币，在机器学习领域拥有庞大的用户基础，这对于推动量子计算结合人工智能等用例的研究和探索提供了更大的空间。想像力。

作为计算科学的分水岭，量子计算机不仅在计算速度潜力上优于经典计算机，在其他方面也具有优势。 例如，量子计算机可以用来破解经典计算机几乎不可能破解的非对称加密（比特币之痛，量子计算机可能在2022年被破解），以及对分子、原子等性质的大规模模拟。 这是全球科技公司竞相争冠的原动力，当然也是军方感兴趣的主要原因之一。

量子计算的最佳时机既不是过去也不是未来，而是现在，一切都恰到好处。

参考链接：[1] 测量桨的Github地址[2]