科技日報記者 張佳欣
十多年來，玻色子采樣（一種基于光粒子的量子計算協議）一直被視為證明量子計算優于經典計算的重要里程碑。盡管已有實驗表明玻色子采樣難以用經典計算機模擬，但其實際用途一直尚未明確。日本沖繩科學技術大學院大學研究團隊近日在《光學量子》期刊上報告，他們首次將玻色子采樣用于圖像識別這一關鍵任務，為量子人工智能（AI）在現實世界中的應用打開了新窗口。
團隊僅使用三個光子和一個線性光學網絡，就構建出可用于圖像分類的量子AI系統。圖像識別廣泛應用于刑偵分析、醫學診斷等領域。團隊此次提出的低能耗、混合型量子方法展現出極強潛力，向量子AI的落地邁出關鍵一步。
玻色子（如光子）遵循玻色—愛因斯坦統計。要理解玻色子采樣的原理，可以想象一個“彈珠釘板”游戲：把一顆顆彈珠從上方放下，彈珠會在釘子間碰撞、反彈，最后落到下方的格子里，落點多集中在中間位置，形成一個類似鐘形的分布圖。但如果把彈珠換成光子，情況就完全不同了。光子不像彈珠那樣只是“撞來撞去”，它們具有波動性，就像水波一樣，可相互疊加、干涉。這種干涉效應讓它們在穿過一個復雜光學網絡時，產生出極為復雜的落點分布，不再是簡單的對稱圖形，而是一個連超級計算機都難以準確預測的圖案。
為開發圖像識別系統，團隊設計了一種新型量子AI架構。在模擬實驗中，灰度圖像數據首先被壓縮處理，并編碼到單光子的量子態中。隨后，這些光子被注入一個復雜的光學網絡（量子水庫），在其中干涉形成豐富的高維模式。探測器記錄光子的輸出位置，反復采樣形成玻色子采樣的概率分布。最終，這些量子輸出與原始圖像數據結合，通過一個簡單的線性分類器進行識別。
實驗結果顯示，該系統在所有測試圖像數據集上均表現優異，準確率顯著高于傳統同規模的機器學習方法。
