剑桥量子计算公司：量子机器可以学习推理

  量子计算机在过去几年时间发展十分迅速，研究人员已经将这种新计算方式应用在各个领域中，其中包括量子力学、流体力学研究、开放性问题，甚至是机器学习都取得可喜的成果。

  目前，延续这一趋势，英国初创公司剑桥量子计算已经证明量子计算机可以学习推理。

  据该公司最新研究来看，其量子机器学习主管Mattia Fiorentini博士和他的研究团队研究了利用量子计算机进行变异推理。

  据了解，该研究团队由 Marcello Benedetti博士和共同作者Brian Coyle、 Michael Lubasch博士和 Matthias Rosenkranz博士带领，是CQC量子机器学习事业部的一个部门，该部门由 Mattia Fiorentini博士领导。

  研究人员展示了他们在贝叶斯网络上的结果，测试了三个不同的问题集。第一，是上文所述的经典云-洒水器-雨问题;第二，是在模拟金融时间序列的隐马尔科夫模型中预测市场制度切换;第三，是在给定一些症状和危险因素信息的情况下，推断患者可能的疾病的任务。

  使用对抗式训练和kernelized Stein差异，两者的细节可以在论文中找到，该公司对一个经典的概率分类器和一个称为Born机器的概率量子模型进行了串联优化。

  训练完毕后，在量子模拟器和IBM Q的真实量子计算机上对前面定义的三个问题进行推理。在下图所示的截断直方图中，洋红色的条形图代表真实的概率分布，蓝色的条形图代表量子计算模拟器的输出，灰色的条形图代表IBM Q的真实量子硬件的输出，真实量子计算机硬件上的结果受到噪声的干扰，这导致收敛速度比模拟的慢。

  量子模拟器的概率分布与真实的概率分布非常相似，说明量子算法的训练效果很好，公司的对抗性训练和内核化的Stein差异方法是达到预期目的的强大算法。