人工神经元与光子电路一起量子化

　　光子量子忆阻器方案。图片来源： Nature Photonics （2022）。DOI： 10.1038/s41566-022-00973-5
　　近年来，人工智能已经变得无处不在，其应用包括语音解释，图像识别，医学诊断等。与此同时，量子技术已被证明能够计算能力，甚至远远超出了世界上最大的超级计算机的承受能力。维也纳大学的物理学家现在已经展示了一种名为量子忆阻器的新设备，它可能使我们能够将这两个世界结合起来，解锁前所未有的能力。该实验是与国家研究委员会（CNR）和意大利米兰理工大学合作进行的，已经在单光子上运行的集成量子处理器上实现。这项工作发表在最新一期的《 自然光子学》 杂志上。
　　所有人工智能应用的核心是称为神经网络的数学模型。这些模型的灵感来自人脑的生物结构，由相互连接的节点组成。就像我们的大脑通过不断重新排列神经元之间的连接来学习一样，神经网络可以通过调整其内部结构进行数学训练，直到它们能够执行人类级任务：识别我们的脸，解释医学图像进行诊断，甚至驾驶我们的汽车。因此，集成了能够快速有效地执行神经网络中涉及的计算的设备已成为学术界和工业界的主要研究重点。
　　该领域的主要游戏规则改变者之一是2008年发现的忆阻器。该器件根据过去电流的存储器改变其电阻，因此称为存储器电阻器或忆阻器。在发现之后，科学家们立即意识到（在许多其他应用中），忆阻器的特殊行为与神经突触的奇异相似。因此，忆阻器已成为神经形态结构的基本组成部分。
　　由Philip Walther教授和Roberto Osellame博士领导的来自维也纳大学，国家研究委员会（CNR）和米兰理工大学的一组实验物理学家现在已经证明，有可能设计出一种具有与忆阻器相同行为的器件，同时作用于量子态并能够编码和传输量子信息。.换句话说，就是一个量子忆阻器。实现这样的设备具有挑战性，因为忆阻器的动力学往往与典型的量子行为相矛盾。
　　通过使用单光子（即光的单量子粒子）并利用它们在两个或多个路径的叠加中同时传播的独特能力，物理学家克服了这一挑战。在他们的实验中，单光子沿着写在玻璃基板上的波导传播，并被引导在几条路径的叠加上。其中一条路径用于测量通过器件的光子通量，并且该量（通过复杂的电子反馈方案）调节另一个输出上的传输，从而实现所需的忆阻行为。
　　除了演示量子忆阻器外，研究人员还提供了模拟，表明带有量子忆阻器的光网络可用于学习经典和量子任务，这暗示了量子忆阻器可能是人工智能和量子计算之间缺失的环节。
　　＂释放人工智能中量子资源的全部潜力是当前量子物理学和计算机科学研究的最大挑战之一，＂Michele Spagnolo说，他是《 自然光子学 》杂志的第一作者。维也纳大学的菲利普·瓦尔特（Philip Walther）小组最近也证明，机器人在使用量子资源和从量子计算中借用方案时可以更快地学习。这一新成就代表着量子人工智能成为现实的未来又迈出了一步。