根据你的要求，量子计算在这里，不在这里，而且两者都在。这周有几件事提醒了我，你是否相信量子力学现象会改变一切并不重要。只有这方面的研究充分影响了技术。

二进制数(比特)是经典计算中的基本信息单位，量子比特(量子比特)构成了量子计算。比特总是处于0或1的状态，而量子比特可以处于0或1的状态，或者是两者的叠加。量子计算使用量子位来执行对经典计算机来说更困难的计算。但是今天的物理量子计算机噪音很大，仍然没有商业上有用的算法适合它们。人工智能和量子信息科学

总之，真正的量子计算机还有几年，甚至几十年。研究人员什么时候停止的？上个月，Mobileye联合创始人Amnon Shashua和以色列希伯来大学的一个团队在《物理评论快报》上发表了一篇题为“深度学习架构中的量子纠缠”的论文。(英特尔在2017年3月以153亿美元收购了计算机视觉公司Mobileye。)

本文认为深度神经网络的最新进展可以帮助物理学家更好地理解自然界的量子行为。本周，Shashua在DC华盛顿州的深度学习科学会议上讨论了他的计算机科学研究小组的发现。他声称，他们已经从数学上证明了人工智能可以帮助我们理解量子物理现象。这是一个何时的问题，而不是如果的问题。这就是AI帮助量子物理的论点。现在让我们走另一条路。

同样在本周，来自IBM Research、麻省理工学院和牛津大学的科学家在《自然》杂志上发表了一篇题为“使用量子增强特征空间的监督学习”的论文。这篇论文描述了随着量子计算机变得更加强大，它们将能够在高度复杂的情况下执行特征映射。经典计算机不能的数据结构。

特征映射是机器学习的一个组成部分，它将数据分解为非冗余的“特征”。作者认为他们可以使用量子计算机来创建新的分类器，以生成更复杂的数据图。然后，研究人员将能够开发出更有效的AI，例如，他们可以识别经典计算机不可见的数据模式。

然而，IBM做的不仅仅是发表论文。通过其量子信息科学工具包Qiskit Aqua，该公司为IBM Q体验用户和IBM Q网络组织提供了一种函数映射算法。该公司甚至提供了在线演示。这些论文都不一定意味着AI将解决我们的量子问题，或者机器学习将受益于量子进步。量子计算机超越传统计算机还遥不可及。