不可否认，量子计算机在特定运算任务上展现出的潜力，远远超出了传统计算机所能想象的边界。那么，这种卓越的计算能力，能否为当今主流的机器学习算法提供有力支撑？美国加州理工学院黄信元团队的最新研究给出了一个令人振奋的答案：在可预见的未来，量子计算机确实有望处理那些目前需要消耗海量传统计算资源的人工智能任务。

这项数学研究的核心目标，是为量子计算机广泛赋能人工智能奠定坚实的理论基础。一旦实现，它将给机器学习领域带来颠覆性的推动。黄信元指出，机器学习已经渗透到科技应用的各个场景乃至日常生活的方方面面；如果他们能成功构建这种量子计算架构，那么任何存在海量数据集的场景，它都能发挥关键作用。

首先需要解决一个关键障碍：现实世界中的数据采集问题。餐厅评论、RNA测序结果等，都属于非量子世界的经典数据。如何将这些数据输入量子计算机，并充分利用其量子特性来实现高效的机器学习？

传统思路是将所有数据置于一种“叠加态”——一种在非量子机器上无法实现的数学组合。但这种方法普遍被认为不切实际。团队成员赵海萌解释说，按照原有思路，叠加态中的数据在量子计算机处理前，必须先存入专用存储设备，而这些设备的容量巨大到难以想象。

于是，黄信元团队另辟蹊径：将数据分成小批量逐一输入，每来一条数据就即时处理，无需等待所有数据存储完毕。这类似于在线流媒体播放电影，无需整部电影下载完成即可观看，因此也就不再需要大容量存储器。

他们不仅证明了这一方法的可行性，还表明它能使量子计算机以远低于任何传统计算机的内存成本，处理更多的数据。赵海萌打了个比方：一台由大约300个逻辑量子比特构成的量子处理器，其存储能力就能超越一台由可观测宇宙中所有原子组成的传统计算机。

当然，制造出300个逻辑量子比特的量子计算机，可能还需要多年时间。但黄信元有信心，最快在十年内就能造出一台拥有60个逻辑量子比特的计算机——在处理某些涉及大型数据集的人工智能任务时，相较于传统计算机，60比特量子计算机已经能够展现出明显的优势。

不过，过去不少量子机器学习算法，最终都被证明可以“去量子化”——算法经过调整后无需依赖任何量子硬件，依然能保持优异性能。因此，量子特性对这一新算法到底有多关键，仍有待进一步验证。

荷兰莱顿大学的维德兰·邓科认为，这项研究可能特别适用于大型科学实验，例如大型强子对撞机。这类实验持续产生数百万千兆字节的数据，常常因为内存不足而丢弃大部分数据——量子计算机极低的内存消耗，正好能发挥其独特优势。

目前，量子计算机还无法替代塞满传统服务器的数据中心。未来的发展方向有两个：一是扩展现有方法所能适用的算法类型；二是设计新的量子计算机配置方案，从而实现以极低内存、更快的速度处理数据。