记者 | 彭新

量子力学方兴未艾，量子机器学习研究已被产业提上日程。

近日，京东探索研究院院长陶大程在接受界面新闻等媒体记者采访时称，当前国内外量子力学的研究发展非常快，考虑到算力、能耗等问题，有必要尽早对量子机器学习布置研究。

“整个传统计算机的计算极限将会很快达到，量子计算将会是突破传统计算机计算极限有效的手段之一。”陶大程告诉界面新闻记者。目前，各大机构、公司研究的量子计算，正是为了解决传统计算架构即将陷入算力瓶颈的问题。

量子计算机能更快执行各种复杂计算，研究生物系统，创建加密和大数据系统，解决许多涉及多种变量的难题。作为京东探索研究院三大研究方向之一，量子机器学习（Quantum Machine Learning）则是一个结合量子计算和机器学习的跨学科领域。一方面，将从量子计算机和传统计算机获得的数据作为训练数据训练模型的机器学习算法；另一方面，通过量子力学思想和模型来改进机器学习算法也属于量子机器学习的一部分。

如何厘清量子机器学习和当前机器学习的关系？陶大程回应称，目前人工智能、机器学习已经被定义成了一种通用工具，对于各种不同的模型、算法和应用都很有价值。当有了量子计算机之后，如何把机器学习或者人工智能算法在量子计算机上付诸于实践，是非常重要的。

“这样的实践不是一个非常简单的事情，不像我们目前的经典算法编程中，本来写的是Fortunal或是Basic语言的程序，我们要把它转成C语言，或者转换成Python语言，不是这样一个东西。”陶大程称，“而是说我们要理解量子计算机基本的工作原理，量子叠加态、量子纠缠性，基于这样的东西构建出来机器学习的算法才是真正有可能实现量子优越性。”

对于量子机器学习的好处，陶大程认为，可能是指数级计算加速，或者是指数级能耗减少。因此，从节能减排的角度而言，量子计算也有其意义。他举例称，如果有了量子计算机之后，未来的计算会更加高效，更加省电，而不像当前训练一个超级深度学习模型动辄“烧毁一片森林”，可能未来只要“烧一棵树”就行了。

目前，在量子机器学习研究中，京东探索研究院已经首次从理论上探讨了量子计算领域中的核心问题：如何有效度量和控制量子算法复杂度，从而保证良好的训练能力。具体来说，是将量子神经网络和应用在量子化学领域的量子变分求解器统一在一个数学框架下，从而可以使用统计学习理论中的覆盖数（covering number）， 来刻画算法的复杂度。

京东探索研究院认为，在量子机器学习领域，统计学习理论已证明量子神经网络在机器学习、化学分子模拟应用中的表达能力，量子机器学习的加速效果在理论和实践上也都已被初步证实。

目前，京东探索研究院已经从量子神经网络理论、量子隐私机器学习、量子机器学习+传统AI等研究方向进行探索，最终推进药物设计、金融分析、分子化学、量子信息、量子传感等领域的发展。未来，京东探索研究院将致力于设计可在现有量子计算机上运行、具有量子优势的机器学习算法，从深度学习理论、统计学习理论、优化理论等角度研究量子机器学习算法超越经典算法的能力。