DARPA無(wú)人車挑戰(zhàn)賽催生了一系列無(wú)人駕駛人才和公司，如今，DARPA又發(fā)布了量子計(jì)算挑戰(zhàn)賽，給出四大命題，號(hào)召研究人員用量子計(jì)算解決機(jī)器學(xué)習(xí)問(wèn)題。量子計(jì)算和機(jī)器學(xué)習(xí)牽手將是怎樣一番盛況？先來(lái)看這四大挑戰(zhàn)。

量子物理學(xué)先驅(qū)人物理查德·費(fèi)曼在提出量子計(jì)算的最初設(shè)想時(shí)，就是要解決當(dāng)時(shí)的科學(xué)無(wú)法解決的難題，例如：在量子物理學(xué)、量子化學(xué)和材料學(xué)領(lǐng)域的很多問(wèn)題，使用經(jīng)典計(jì)算平臺(tái)幾乎是無(wú)力解決的，但利用量子計(jì)算機(jī)的運(yùn)算速度和海量數(shù)據(jù)處理能力，就可以為這些問(wèn)題成功建模。

目前，DARPA正在挑戰(zhàn)這一領(lǐng)域，研究并描述當(dāng)前和下一代量子計(jì)算機(jī)的本質(zhì)，以理解復(fù)雜的物理系統(tǒng)，改進(jìn)人工智能和機(jī)器學(xué)習(xí)算法，弄清量子計(jì)算可以在哪些方面解決現(xiàn)在的科學(xué)和技術(shù)難題，從而逐步讓費(fèi)曼的設(shè)想變?yōu)楝F(xiàn)實(shí)。

將數(shù)量有限的量子計(jì)算機(jī)與現(xiàn)有的量子傳感器或經(jīng)典計(jì)算資源相結(jié)合，很可能產(chǎn)生一些新功能。比如可以對(duì)分布式傳感器上的量子數(shù)據(jù)進(jìn)行聚合，將量子計(jì)算機(jī)的性能提升至超乎想象的水平。

用于處理量子數(shù)據(jù)問(wèn)題的一些方法也可能適用于經(jīng)典計(jì)算機(jī)。無(wú)論是算法層面，還是在數(shù)據(jù)的讀取、存儲(chǔ)和傳輸協(xié)議上。這些“受量子啟發(fā)”的處理方式和算法在處理效率和處理速度都有很大提升。

然而，要想真正有效地利用量子計(jì)算來(lái)解決現(xiàn)實(shí)問(wèn)題，尤其是機(jī)器學(xué)習(xí)/深度學(xué)習(xí)問(wèn)題，目前仍然存在許多挑戰(zhàn)。量子計(jì)算本身存在固有的根本性局限。此外還包括在機(jī)器學(xué)習(xí)開(kāi)發(fā)中，如何將傳統(tǒng)算法和設(shè)備與量子計(jì)算相結(jié)合，如何解決數(shù)據(jù)和資源在經(jīng)典/量子設(shè)備間的交互和傳輸問(wèn)題等。

DARPA發(fā)布量子計(jì)算四大挑戰(zhàn)

挑戰(zhàn)1：量子計(jì)算存在的根本性局限

我們對(duì)量子計(jì)算的定義沒(méi)有任何限制。它可以是物理或邏輯量子位的集合、量子退火機(jī)，量子計(jì)算液等，或者可作為待建模的系統(tǒng)的代理的其他量子仿真平臺(tái)。

如何解決可擴(kuò)展化的問(wèn)題。我們要將感興趣的現(xiàn)實(shí)問(wèn)題在多大程度上映射到量子計(jì)算平臺(tái)進(jìn)行模擬？目前的經(jīng)典計(jì)算平臺(tái)和算法在多大程度上變得不夠用了？使用量子計(jì)算有哪些潛在收益？

使用量子計(jì)算代理系統(tǒng)對(duì)物理系統(tǒng)進(jìn)行建模時(shí)，面對(duì)的問(wèn)題是什么？如何對(duì)量子狀態(tài)進(jìn)行初始化和讀取？是否有任何新的算法可以將真實(shí)世界的量子系統(tǒng)映射到代理系統(tǒng)中？

在實(shí)驗(yàn)上，我們能否使用現(xiàn)有系統(tǒng)來(lái)測(cè)試我們的基本假設(shè)？比如：錯(cuò)誤會(huì)如何隨著系統(tǒng)規(guī)模的擴(kuò)大而擴(kuò)大？糾錯(cuò)編碼算法是否真的按預(yù)期工作？所提出的量子算法是否有可能實(shí)現(xiàn)，計(jì)算出正確的答案，并達(dá)到預(yù)期的計(jì)算加速效果？

在建模系統(tǒng)的大小超過(guò)量子計(jì)算平臺(tái)大小的情況下，是否能找到任何算法，包括將量子算法和經(jīng)典架構(gòu)相結(jié)合的方法，可以有效地將整個(gè)問(wèn)題分解成為可以映射到一個(gè)或多個(gè)小型量子平臺(tái)的小模塊？

挑戰(zhàn)2：面向機(jī)器學(xué)習(xí)任務(wù)的經(jīng)典/量子計(jì)算混合方法

一個(gè)特別值得關(guān)注的問(wèn)題是，量子計(jì)算對(duì)“第二波”人工智能 / 機(jī)器學(xué)習(xí)優(yōu)化策略的潛在影響。機(jī)器學(xué)習(xí)已經(jīng)在廣泛的現(xiàn)實(shí)問(wèn)題中顯示出重要的價(jià)值，但數(shù)據(jù)訓(xùn)練時(shí)間往往很長(zhǎng)，這取決于數(shù)據(jù)的規(guī)模和種類。而且，由于缺乏詳細(xì)的分析和深度學(xué)習(xí)的理論支持，其網(wǎng)絡(luò)設(shè)計(jì)空間需求很大。有人主張利用量子計(jì)算在子程序優(yōu)化任務(wù)中使用量子加速，大大減少目前標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)方法的訓(xùn)練時(shí)間。

DARPA的關(guān)注重點(diǎn)是，通過(guò)對(duì)量子/經(jīng)典方法的結(jié)合，大幅改善構(gòu)建高性能機(jī)器學(xué)習(xí)/深度學(xué)習(xí)解決方案所花費(fèi)的總時(shí)間。

使用近期和未來(lái)量子計(jì)算設(shè)備的量子/經(jīng)典混合系統(tǒng)，可以使用哪些方法有效地執(zhí)行機(jī)器學(xué)習(xí)任務(wù)？使用這些方法是否比其他方法獲益更多？運(yùn)算速度的提升是怎樣由可用量子資源的多少?zèng)Q定的？

實(shí)施這些方法時(shí)要面對(duì)哪些挑戰(zhàn)？例如，為了連接量子資源和經(jīng)典資源，必須應(yīng)對(duì)哪些問(wèn)題？我們能否在經(jīng)典處理器和量子處理器之間有效地傳輸數(shù)據(jù)，真正獲得運(yùn)算性能上的提升？是否需要開(kāi)發(fā)其他輔助技術(shù)來(lái)實(shí)施此類方法？

挑戰(zhàn)3：量子傳感器與量子計(jì)算資源的接口問(wèn)題

將量子計(jì)算機(jī)和分布式量子傳感器的結(jié)合起來(lái)，可以獲得哪些新功能？量子計(jì)算機(jī)需要有多大以及它需要多大才能運(yùn)行（例如，系統(tǒng)能容納多大的兩量子位門誤差）？需要多少分布式傳感器來(lái)衡量獲益高低，這些傳感器的性能水平等。

在這種方式下，可以利用哪些量子計(jì)算機(jī)平臺(tái)（例如陷阱離子量子位，超導(dǎo)量子位等）和傳感器（原子鐘，磁力計(jì)等）？

挑戰(zhàn)4：受量子計(jì)算啟發(fā)，并可用應(yīng)用于傳統(tǒng)計(jì)算機(jī)的算法和流程

迄今為止，受量子計(jì)算啟發(fā)產(chǎn)生的算法可以學(xué)到哪些系統(tǒng)過(guò)程？這些新的解決方案中是否反復(fù)出現(xiàn)了某些主題和結(jié)構(gòu)？當(dāng)已經(jīng)證明量子方法為最優(yōu)方法時(shí)，是否存在識(shí)別經(jīng)典算法改進(jìn)的方法？換句話說(shuō)，我們能否預(yù)測(cè)這種啟發(fā)？

在應(yīng)對(duì)上述三大挑戰(zhàn)的學(xué)習(xí)過(guò)程中，我們是否學(xué)到將數(shù)據(jù)輸入/輸出、內(nèi)存和計(jì)算相結(jié)合的更優(yōu)秀的經(jīng)典架構(gòu)？

不少科學(xué)家相信，小型的商用量子計(jì)算將在未來(lái)10年成為現(xiàn)實(shí)，