IBM的新工具使开发人员可以为机器学习增加量子计算能力

作为其开源量子软件开发工具包Qiskit的一部分，IBM将发布一个新模块，以使开发人员能够利用量子计算机的功能来提高其机器学习模型的质量。

Qiskit机器学习现已推出，其中包括将机器学习模型带入量子空间所必需的计算构造块。

机器学习是人工智能的一个分支，现已在几乎每个行业中广泛使用。该技术能够处理越来越大的数据集以识别模式和关系，并最终发现计算给定问题答案的最佳方法。

因此，研究人员和开发人员希望确保该软件提供尽可能最佳的模型。这意味着需要增加提供给机器学习软件的训练数据的数量并提高其质量。此过程不可避免地会带来更高的成本和更长的培训时间。

通过加快训练或评估机器学习模型所需的时间，将过程的某些部分委托给量子计算机可以解决这些问题，而且还通过大大增加所谓的特征空间，也就是用于表征提供给模型的数据的特征的集合。例如“性别”或“年龄”（如果正在训练系统以识别有关人员的模式）。

尽管传统计算机受到大型特征空间所需的计算能力的限制，但一旦技术成熟，量子计算机有望在短时间内进行大型计算方面表现出色。

由于量子计算仍处于早期阶段，围绕量子机器学习的许多工作都是理论性的，并且将来仍取决于量子设备的扩展。但是，仍然有越来越多的研究人员表现出对更深入地研究该技术有一天可以释放的机会的兴趣。

例如，Qiskit机器学习提供了QuantumKernel，这是一种将给定数据集的内核矩阵计算到量子框架中的工具。这是将数据映射到指数级高维特征空间的第一步，可以为机器学习模型提供更准确的训练。

新模块还包含量子神经网络的多种实现，以及用于训练和使用它们的学习算法，以便开发人员可以构建和测试自己的网络。

最后，Qiskit机器学习允许用户将其新的量子神经网络直接集成到PyTorch开源机器学习库中。PyTorch库是Facebook开发的平台，主要用于计算机视觉和自然语言处理等应用程序。