玻色子采样运用于量子AI图画辨认（示意图）。图片来自：日本冲绳科学技术大学院大学

  十多年来，玻色子采样（一种根据光粒子的量子核算协议）一向被视为证明量子核算优于经典核算的重要里程碑。虽然已有试验标明玻色子采样难以用经典核算机模仿，但其实践用处一向没有清晰。日本冲绳科学技术大学院大学研讨团队近来在《光学量子》期刊上陈述，他们初次将玻色子采样用于图画辨认这一要害使命，为量子人工智能（AI）在实际国际中的运用打开了新窗口。

  团队仅运用三个光子和一个线性光学网络，就构建出可用于图画分类的量子AI体系。图画辨认广泛运用于刑侦剖析、医学确诊等范畴。团队此次提出的低能耗、混合型量子办法展现出极强潜力，向量子AI的落地迈出要害一步。

  玻色子（如光子）遵从玻色—爱因斯坦计算。要了解玻色子采样的原理，能幻想一个“弹珠钉板”游戏：把一颗颗弹珠从上方放下，弹珠会在钉子间磕碰、反弹，终究落到下方的格子里，落点多会集在中心方位，构成一个相似钟形的散布图。但如果把弹珠换成光子，状况就彻底不同了。光子不像弹珠那样仅仅“撞来撞去”，它们具有波动性，就像水波相同，可彼此叠加、干与。这种干与效应让它们在穿过一个杂乱光学网络时，产生出极为杂乱的落点散布，不再是简略的对称图形，而是一个连超级核算机都难以精确猜测的图画。

  为开发图画辨认体系，团队规划了一种新式量子AI架构。在模仿试验中，灰度图画数据首要被紧缩处理，并编码到单光子的量子态中。随后，这些光子被注入一个杂乱的光学网络（量子水库），在其间干与构成丰厚的高维形式。探测器记载光子的输出方位，重复采样构成玻色子采样的概率散布。终究，这些量子输出与原始图画数据结合，经过一个简略的线性分类器进行辨认。

  试验成果为，该体系在所有测验图画数据集上均体现优异，精确率显着高于传统同规划的机器学习办法。（记者张佳欣）