量子计算机在手写数字生成上实现突破，颠覆传统机器学习

机器学习使计算机能够识别复杂的图案，如人脸，还可以创建这些图案的新的、逼真的样例。为了改进这些技术，研究人员现在已经首次明确展示了量子算法在生成这些真实样例方面的表现优越，例如，创造逼真的手写数字。研究人员认为这一结果是朝着建立能够超越传统机器学习能力的量子设备迈出的重要一步。 神经网络的最常见用途是分类——例如识别手写字母。但研究人员越来越希望将算法应用于更具创造性的任务，如生成新的、逼真的艺术品、音乐作品或人脸。这些所谓的生成神经网络还可以用于照片的自动编辑——去除不需要的细节，例如雨滴。 多伦多Zapata计算公司的Alejandro Perdomo-Ortiz指出，将量子计算引入现有的生成网络可能会大大提高性能。因此，研究人员一直在努力在所谓的噪声中等规模量子设备上实现算法——这些基本的量子机器拥有不到50个量子比特（qubits）。尽管在生成逼真的手写数字（这是该领域的标准基准）方面，以前的研究只能实现小的、颗粒状的、低分辨率的图像，几乎无法与训练集中的图像相似，但现在他和他的同事们报告了一种新的机器学习架构，取得了改进的结果。