量子系统在实际测试中击败AI，为更环保的超级计算未来提供动力！

同类产品中首次胜利：光子量子AI比传统竞争对手错误更少、能耗更低

数据点分类可通过光子量子计算机完成，提升传统方法的准确性

在迈向计算未来的重大飞跃中，研究人员表明，即使是小规模的量子处理器，也能在机器学习任务中超越传统算法。这一发现为量子机器学习这一相对较新的研究领域勾勒出一个更快、更绿色的时代前景，该领域正在学术界和工业界迅速获得关注。

这项新研究结合了量子计算和机器学习——当今最具颠覆性的两大技术。这两个领域的最新进展正在重塑技术前沿：人工智能已嵌入从个人助理到科学研究的方方面面，而量子计算则有望带来一种全新的信息处理方式。它们的交叉催生了一个快速发展的领域：量子机器学习。

这一新兴学科探索量子系统是否能提升机器学习算法的速度、准确性或效率。然而，在当今有限的量子硬件上证明这种优势仍是一项重大挑战——研究人员才刚刚开始应对这一挑战。

由维也纳大学领导的国际团队开展的实验，使用光子量子处理器对数据点进行分类，这是现代人工智能系统的一项基本任务。研究人员发现，量子系统的表现优于传统系统，错误更少——这是当前硬件在现实世界中罕见的“量子优势”体现。

这项突破借助了意大利米兰理工大学开发的量子光子电路，以及英国Quantinuum公司提出的机器学习算法。该实验标志着首次在实际AI任务（而非模拟环境）中证明量子增强作用的案例之一。

通过在分类过程中分离量子贡献，研究团队能够精准定位量子系统表现优异的特定场景。他们的成果不仅验证了光子量子处理器的潜力，还为识别那些即使在当今有限规模硬件下，量子计算也能产生实际影响的机器学习任务奠定了基础。

“我们发现，对于特定任务，我们的算法比传统算法错误更少，”维也纳大学项目负责人菲利普·瓦尔特（Philip Walther）表示。“这意味着现有量子计算机无需超越最先进技术，即可展现出色性能，”该研究第一作者尹正浩（Zhenghao Yin）补充道。

除准确性外，实验还揭示了另一个重要优势：能源效率。光子量子系统利用光处理信息，因此功耗显著低于传统硬件——随着AI能源需求持续上升，这一特性变得愈发重要。“考虑到机器学习算法因高能耗而逐渐变得不可行，这一点在未来可能至关重要，”合著者艾瑞斯·阿格雷斯蒂表示。

研究结果表明，当今的量子设备已能带来切实改进，这可能推动量子计算与传统机器学习走向更共生的未来：量子启发算法突破传统界限，光子平台则助力AI实现更可持续发展。