科学家们在量子技术方面取得了重大进展，这些技术可以通过一种准确有效的方法改变复杂的系统建模，从而大大减少内存。

复杂系统在我们的日常生活中发挥着至关重要的作用，无论是预测交通模式、天气预报还是了解金融市场。然而，准确预测这些行为并做出明智的决策依赖于存储和跟踪来自遥远过去的事件的大量信息，这是一个带来巨大挑战的过程。

目前使用人工智能的模型看到它们的内存需求每两年增加一百倍以上，并且通常涉及数十亿甚至数万亿个参数的优化。如此大量的信息导致了一个瓶颈，我们必须在内存成本与预测准确性之间进行权衡。

(相关资料图)

来自曼彻斯特大学，中国科学技术大学(USTC)，新加坡国立大学量子技术中心(CQT)和南洋理工大学(NTU)的研究人员合作团队提出，量子技术可以提供一种减轻这种权衡的方法。

该团队已经成功地实现了量子模型，该模型可以模拟一系列复杂的过程，只需一个量子比特的内存(量子信息的基本单位)，从而大大降低了内存需求。

与依靠添加来自过去事件的更多数据的内存容量来增加内存容量的经典模型不同，这些量子模型只需要一个量子比特的内存。

这一发展发表在《自然通讯》杂志上，代表了量子技术在复杂系统建模中的应用的重大进步。

曼彻斯特大学项目负责人兼Dame Kathleen Ollerenshaw研究员Thomas Elliott博士说：“许多关于量子优势的建议都集中在使用量子计算机更快地计算事物上。我们采取一种互补的方法，而是研究量子计算机如何帮助我们减少计算所需的内存大小。

“这种方法的好处之一是，通过尽可能少的量子比特作为内存，我们更接近近未来量子技术的实用性。此外，我们可以使用释放的任何额外量子比特来帮助减轻量子模拟器中的错误。

该项目建立在Elliott博士和新加坡团队早期的理论建议之上。为了测试该方法的可行性，他们与USTC合作，后者使用基于光子的量子模拟器来实现提出的量子模型。

该团队实现了比任何配备相同内存量的经典模拟器更高的精度。该方法可以适应模拟具有不同行为的其他复杂过程。

中国科学技术大学博士后研究员、该研究的联合第一作者Wu Kang-Da博士说：“量子光子学代表了量子计算中最不容易出错的架构之一，特别是在较小的尺度上。此外，由于我们正在配置量子模拟器来模拟特定过程，因此我们能够微调我们的光学组件，并实现比当前通用量子计算机的典型误差更小的误差。

CQT研究员，也是该研究的联合第一作者，Chengran Yang博士补充说：“这是量子随机模拟器的首次实现，其中信息随着时间的推移通过内存的传播得到了最终证明，并证明了比任何相同内存大小的经典模拟器更高的准确性。

除了直接的结果之外，科学家们说，这项研究为进一步研究提供了机会，例如探索与经典模型相比，量子建模中减少散热的好处。他们的工作还可以在金融建模、信号分析和量子增强神经网络中找到潜在的应用。

接下来的步骤包括探索这些联系的计划，并将他们的工作扩展到更高维度的量子存储器。