IBM的新工具使開發人員可以為機器學習增加量子計算能力

作為其開源量子軟件開發工具包Qiskit的一部分，IBM將發佈一個新模塊，以使開發人員能夠利用量子計算機的功能來提高其機器學習模型的質量。

Qiskit機器學習現已推出，其中包括將機器學習模型帶入量子空間所必需的計算構造塊。

機器學習是人工智能的一個分支，現已在幾乎每個行業中廣泛使用。該技術能夠處理越來越大的數據集以識別模式和關係，並最終發現計算給定問題答案的最佳方法。

因此，研究人員和開發人員希望確保該軟件提供儘可能最佳的模型。這意味著需要增加提供給機器學習軟件的訓練數據的數量並提高其質量。此過程不可避免地會帶來更高的成本和更長的培訓時間。

通過加快訓練或評估機器學習模型所需的時間，將過程的某些部分委託給量子計算機可以解決這些問題，而且還通過大大增加所謂的特徵空間，也就是用於表徵提供給模型的數據的特徵的集合。例如“性別”或“年齡”（如果正在訓練系統以識別有關人員的模式）。

儘管傳統計算機受到大型特徵空間所需的計算能力的限制，但一旦技術成熟，量子計算機有望在短時間內進行大型計算方面表現出色。

由於量子計算仍處於早期階段，圍繞量子機器學習的許多工作都是理論性的，並且將來仍取決於量子設備的擴展。但是，仍然有越來越多的研究人員表現出對更深入地研究該技術有一天可以釋放的機會的興趣。

例如，Qiskit機器學習提供了QuantumKernel，這是一種將給定數據集的內核矩陣計算到量子框架中的工具。這是將數據映射到指數級高維特徵空間的第一步，可以為機器學習模型提供更準確的訓練。

新模塊還包含量子神經網絡的多種實現，以及用於訓練和使用它們的學習算法，以便開發人員可以構建和測試自己的網絡。

最後，Qiskit機器學習允許用戶將其新的量子神經網絡直接集成到PyTorch開源機器學習庫中。PyTorch庫是Facebook開發的平臺，主要用於計算機視覺和自然語言處理等應用程序。