佛罗里达州立大学教授的研究可以帮助量子计算实现其作为强大计算工具的承诺。康明斯公司机械工程教授、FAMU-FSU工程学院机械工程系系主任威廉奥茨和博士后研究员徐光雷找到了一种方法来自动推断用于机器的重要量子玻尔兹曼机算法中使用的参数学习应用。

他们的发现发表在《科学报告》上.

这项工作可以帮助构建人工神经网络，用于训练计算机解决复杂的、相互关的问题，如图像识别、药物发现和新材料的创造。

“人们相信，随着量子计算的出现和计算能力的增长，它可以为您提供一些新工具，但弄清楚如何对其进行编程以及如何将其应用于某些应用程序是一个大问题，”奥茨说。

量子位与标准计算机中的二进制位不同，它一次可以以多种状态存在，这一概念称为叠加。测量量子位或量子位的状态会导致它失去那个特殊状态，因此量子计算机通过在观察到量子位之前计算量子位状态的概率来工作。

称为量子退火器的专用量子计算机是进行此类计算的一种工具。它们的工作原理是将量子位的每个状态表示为一个能级。其量子位中最低的能量状态为问题提供了解决方案。结果是一台可以处理复杂的互连系统的机器，而普通计算机需要很长时间才能计算——就像构建神经网络一样。

构建神经网络的一种方法是使用受限玻尔兹曼机，这是一种使用概率根据网络输入进行学习的算法。Oates和Xu找到了一种方法来自动计算与该算法中使用的有效温度相关的重要参数。受限玻尔兹曼机通常会猜测该参数，这需要测试来确认，并且可以在要求计算机调查新问题时进行更改。

“模型中的那个参数复制了量子退火器正在做的事情，”奥茨说。“如果你能准确地估计它，你就可以更有效地训练你的神经网络并用它来预测事物。”