英大學研發量子輔助 AI 技術，混沌系統預測準確提升 20% 且大幅節省記憶體

倫敦大學學院（UCL）近日發表結合量子運算與人工智慧的新方法，這種「量子輔助」機器學習可更準確預測混沌且複雜的物理系統，且所需記憶體大幅降低。新技術使長時間預測流體力學等問題時，表現優於僅靠傳統電腦的模型，對氣候科學、交通運輸、醫療與能源等領域都有影響。

論文刊登於《Science Advances》，由UCL帶領完成。團隊先讓量子電腦分析資料的關鍵統計特徵，也就是長時間仍能保持穩定的模式，再將這些結果輔助傳統超級電腦的AI模型訓練。研究員表示，這流程能讓模型更容易抓住複雜系統背後的物理規律。

這套量子資訊驅動的AI系統，與未使用量子特徵的標準模型相比，預測準確度約提升20%，且混沌系統長期預測更穩定。更重要的是，記憶體需求量只有傳統方法數百分之一，讓大規模模擬更具實用性。

UCL化學系與高等研究運算中心資深作者Peter Coveney教授表示，面對複雜系統，完整模擬往往耗時過長，一般AI雖然較快，時間拉長後卻可能不可靠；量子輔助法有望兼顧速度與準確性。共同第一作者Maida Wang則指出，此成果實務上展現「量子優勢」，共同第一作者Xiao Xue也表示，這是量子運算與傳統機器學習首次有效整合，處理流體力學等複雜動態系統。

研究使用一台20量子位元的IQM量子電腦，並連接德國萊布尼茲超級運算中心的傳統運算資源。團隊也提到，現階段量子電腦仍受限雜訊、誤差與干擾，此方法刻意只在流程階段之一使用量子設備，以減少量子與古典系統之間反覆傳輸資料的負擔。團隊下步將擴大資料庫規模，並嘗試用於更接近真實世界的複雜情境。

（首圖來源：Freepik）