日前，意大利的研究人员通过在一台实际的量子计算机上运营一套类似的算法，首次研发出有起起到量子神经网络。来自意大利帕维亚大学的FrancescoTacchino领导了一个研究小组，该小组于本月早些时候在ArXiv上载了取名为《在实际量子处理器上构建的人工神经元》的预稿。彻底谈，他们研发了一种在量子计算机上运营的单层人工神经元网络（artificialneuralnetwork，ANN），这种可行性的ANN被称作感知器，作为包含更加成熟期的神经网络的基本部分。

此前在量子系统内创立感知器的涉及尝试都牵涉到将单个量子位当作一个神经网络中的神经元来处置，但这是一个繁复而错综复杂的过程，很难通过这种方式产生切实有效的结果。因此，Tacchino和他的团队要求尝试一种有所不同的方法，他们讲解了一种替代设计来最大限度地仿效量子计算机上的Rosenblatt感知器，并通过实验证实了该方法的有效性——在可用作云量子计算出来的IBM量子处理器上继续执行了算法的二量子位版本。

图源于ArXiv官网IBMQExperience计算机是一个五量子位并反对云采访的量子系统，长期以来仍然被当成一种与量子计算出来交互的方式，反对用于物理量子计算机和仿真两种模式，为那些没数百万资金用作实验室建设和采访世界顶级物理学家和工程师的研究人员获取了一个量子计算出来开源云平台。量子计算机的仅次于问题之一就是没任何限于的软件、程序或代码，对于这台违反物理定律的机器而言，编码是极为艰难的，但也不是几乎没有可能。

研究小组在IBMQ系统上顺利地运营了他们的感知器算法，并用于所获得的神经网络继续执行图像分类的任务，回应展开了证明。据目前熟知，这个小组是第一个尝试用于这种方法的。现在，这个神经网络能辨别等价图像使用了三种基本模式中的哪一种，虽然这听得一起或许微不足道，但充足有一点被划入量子优势的概念体系中。

据研究人员讲解，与经典感知器的模型比起，他们的算法呈现出指数级的优势，正如他们要用用二量子位就可以回应和分类四位串，四量子位回应和分类十六位串，以此类推。这意味著在量子系统上运营的神经网络有可能比在经典系统上运营的神经网络在稳健性方面获得指数级地提高，这对未来AI融合量子计算出来的意义是惊人想象的。

当人们研发出有一种机器，而这种机器能当作宇宙的完整基础语言和人类语言之间的翻译者，接下来不会再次发生什么呢？这也许是给哲学家的最差的发问，但是，在物理学领域，随着研究人员对ANN的了解理解，以及工程师研发出更先进设备的量子计算出来系统，一种新的机器学习可能会经常出现并代替原有的经典深度自学神经网络。未来的智能机器将仍然是由AI或量子分开驱动，而是吞并两者。

本文来源：BOYU SPORTS-www.9street.net