三校联合团队达成复杂系统的信息存储

近日，新加坡南洋理工大学教师 Mile Gu 学科组，联合中国科学技术大学郭光灿院士和项国勇教授、英国曼彻斯特大学托马斯·艾略特（Thomas J. Elliott）教授等合作者，让量子系统模拟复杂资源迈出了坚实一步。

此前大部分关于量子优势的研究，都是寻找让量子系统更快解决问题的方法，而该团队则将问题集中在更高的精度之上。

如前所述，本次研究的主题是：如何使用量子系统更好地模拟随机过程。由于实验中所模拟的是一个更新过程（renewal process），因此能够被用于相关的领域，例如信号系统、价格预测等。

但是，和大部分量子计算研究一样的是，此次成果要想获得更好的应用，就表明需要进一步研发使用上精度更高的量子计算机。

得到初步数据之后，大家一起将数据和预期理论进行比对。他们发现现有数据依旧无法完整地论证预期观点。为此，项国勇和吴康达不得不重做一遍实验，以便提供更多的实验数据。

一般来说，在模拟一个随机过程时，都需要一定的记忆来保证前后信息的关联。比较常见的经典模型，有隐马尔可夫链（Hidden Markov Model，HMM）和循环神经网络（Recurrent Neural Network, RNN）。

当一个模型的存储记忆比较小的时候，模拟的精度就会比较差。这就类似于当图片被压缩后，信息就会失真。因此，他们定下的研究目标是：在有限的存储记忆下实现较高的精度。由于这项研究涉及到数据的保存，所以需要一个专门的硬盘存储设备。

（编辑：银川站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!