人工智能与量子计算在新型忆阻器中的融合
近年来，计算在两个主要方面取得了进展：机器学习的突破，开发出了可根据经验自动改进的算法；量子计算机的研究，从理论上证明了量子计算机比任何超级计算机都强大。现在，科学家们已经创建了一种称为量子忆阻器的设备的第一个原型，它可能有助于将这两个世界的精华结合在一起——将人工智能与量子计算相结合，以获得前所未有的能力。
忆阻器，或称记忆电阻器，是一种用于电子电路的构建模块，科学家们大约在50年前就预测到了这种结构，但在十多年前才首次创造出来。这些元件本质上是电子开关，可以记住在电源关闭后是打开还是关闭它们。因此，它们类似于突触——人脑神经元之间的联系，其导电性的增强或减弱取决于过去通过它们的电荷量。
理论上，忆阻器可以像人工神经元一样，既能计算又能存储数据。因此，研究人员认为，使用忆阻器构建的神经形态或脑型计算机在运行神经网络方面表现良好，神经网络是一种机器学习系统，使用合成版本的突触和神经元来模拟人脑中的学习过程。
现在，奥地利和意大利的科学家已经开发出一种量子版本的忆阻器，他们认为这种忆阻器可能会发展成量子神经形态计算机。他们上个月在《自然光子学》杂志上在线详细介绍了他们的研究成果。
量子计算机依赖于宇宙如何在其最小的层面上变成一个模糊的地方。例如，原子、光子和宇宙的其他组成部分可以以称为叠加的流动状态存在，这意味着它们基本上可以同时位于两个或多个位置，或者同时沿两个相反的方向旋转。
经典计算机打开或关闭晶体管以将数据表示为1或0，而量子计算机使用量子比特（qubits），它们可以处于同时为1和0的叠加状态。量子计算机中连接在一起的量子比特越多，其计算能力就可以以指数方式增长。
科学家们仍在研究量子计算可能比经典计算更具优势的具体问题。最近，他们开始探索量子计算是否有助于促进机器学习。
之前的研究建议开发一种使用光子的量子忆阻器，以帮助支持量子机器学习。然而，这项研究的主要作者、维也纳大学量子物理学博士生MicheleSpagnolo说，之前的工作“实现起来非常具有挑战性，因为它需要创建一个单光子态与零光子态的量子叠加，即真空态”。
在这项新的研究中，Spagnolo和他的同事开发了一种量子忆阻器，该忆阻器依赖于以叠加形式存在的光子流，其中每个光子可以沿着激光写入玻璃上的两条不同路径传播。这个单量子比特集成光子电路中的一个通道被用来测量这些光子的流动，而这些数据通过一个复杂的电子反馈方案，控制另一条路径上的传输，从而使该器件表现得像一个忆阻器。
Spagnolo指出，通常情况下，记忆行为和量子效应不会共存。忆阻器本质上是通过测量内部流动的数据来工作的设备，但当涉及到任何外部干扰（如测量）时，量子效应都非常脆弱。研究人员指出，他们克服了这一明显的矛盾，方法是在他们的设备中设计相互作用，使其足够强以实现忆阻性，但又足够弱以保持量子行为。
使用计算机模拟，研究人员建议，量子忆阻器可以导致机器学习方法的性能呈指数增长，这种方法称为水库计算，擅长快速学习。“潜在地，量子库计算可能比经典的库计算具有量子优势。”Spagnolo说。
与传统的量子电路相比，在量子机器学习中使用量子忆阻器的优点是“与任何其他量子元件不同，忆阻器具有内存，”Spagnolo说。
Spagnolo指出，这项工作的下一步是将多个忆阻器连接在一起。他补充说，未来的研究还可以通过增加每个忆阻器中的光子数量以及它们可以在每个设备中存在的状态数量来扩大规模。
忆阻器，或称记忆电阻器，是一种用于电子电路的构建模块，科学家们大约在50年前就预测到了这种结构，但在十多年前才首次创造出来。这些元件本质上是电子开关，可以记住在电源关闭后是打开还是关闭它们。因此，它们类似于突触——人脑神经元之间的联系，其导电性的增强或减弱取决于过去通过它们的电荷量。
理论上，忆阻器可以像人工神经元一样，既能计算又能存储数据。因此，研究人员认为，使用忆阻器构建的神经形态或脑型计算机在运行神经网络方面表现良好，神经网络是一种机器学习系统，使用合成版本的突触和神经元来模拟人脑中的学习过程。
现在，奥地利和意大利的科学家已经开发出一种量子版本的忆阻器，他们认为这种忆阻器可能会发展成量子神经形态计算机。他们上个月在《自然光子学》杂志上在线详细介绍了他们的研究成果。
量子计算机依赖于宇宙如何在其最小的层面上变成一个模糊的地方。例如，原子、光子和宇宙的其他组成部分可以以称为叠加的流动状态存在，这意味着它们基本上可以同时位于两个或多个位置，或者同时沿两个相反的方向旋转。
经典计算机打开或关闭晶体管以将数据表示为1或0，而量子计算机使用量子比特（qubits），它们可以处于同时为1和0的叠加状态。量子计算机中连接在一起的量子比特越多，其计算能力就可以以指数方式增长。
科学家们仍在研究量子计算可能比经典计算更具优势的具体问题。最近，他们开始探索量子计算是否有助于促进机器学习。
之前的研究建议开发一种使用光子的量子忆阻器，以帮助支持量子机器学习。然而，这项研究的主要作者、维也纳大学量子物理学博士生MicheleSpagnolo说，之前的工作“实现起来非常具有挑战性，因为它需要创建一个单光子态与零光子态的量子叠加，即真空态”。
在这项新的研究中，Spagnolo和他的同事开发了一种量子忆阻器，该忆阻器依赖于以叠加形式存在的光子流，其中每个光子可以沿着激光写入玻璃上的两条不同路径传播。这个单量子比特集成光子电路中的一个通道被用来测量这些光子的流动，而这些数据通过一个复杂的电子反馈方案，控制另一条路径上的传输，从而使该器件表现得像一个忆阻器。
Spagnolo指出，通常情况下，记忆行为和量子效应不会共存。忆阻器本质上是通过测量内部流动的数据来工作的设备，但当涉及到任何外部干扰（如测量）时，量子效应都非常脆弱。研究人员指出，他们克服了这一明显的矛盾，方法是在他们的设备中设计相互作用，使其足够强以实现忆阻性，但又足够弱以保持量子行为。
使用计算机模拟，研究人员建议，量子忆阻器可以导致机器学习方法的性能呈指数增长，这种方法称为水库计算，擅长快速学习。“潜在地，量子库计算可能比经典的库计算具有量子优势。”Spagnolo说。
与传统的量子电路相比，在量子机器学习中使用量子忆阻器的优点是“与任何其他量子元件不同，忆阻器具有内存，”Spagnolo说。
Spagnolo指出，这项工作的下一步是将多个忆阻器连接在一起。他补充说，未来的研究还可以通过增加每个忆阻器中的光子数量以及它们可以在每个设备中存在的状态数量来扩大规模。
将本文加入收藏夹
新闻详情
