基本上，他們開發了一個在量子計算機上運行的單層人工神經網絡(ANN)。這種基本的人工神經網絡被稱為感知器，它是更強大的神經網絡的基本組成部分。之前嘗試構建一個感知器在一個量子系統都涉及個別量子位元治療神經元網絡中。這是一種繁瑣而又瘋狂復雜的方法，但卻未能產生多少可操作的結果。
Tacchino和公司決定嘗試一種不同的方法，在這里我們引入另一種設計, 在量子計算機，密切模仿Rosenblatt感知器，我們實驗表明了這種方法的有效性，在用于云量子計算的IBM量子處理器上實現該算法的2量子位版本。
IBM的Q Experience computer是一種五量子位云訪問量子系統，長期以來一直被宣傳為與量子計算互動的一種方式，對于我們這些沒有數百萬美元的資金投入實驗室和接觸世界級物理學家和工程師的人來說。但是，它通常被認為是一種教育工具。量子計算機的一個大問題是沒有任何軟件、程序或編碼。要為一臺違反物理定律的機器編寫代碼是很困難的。但這并非不可能。
意大利團隊通過成功地在IBM Q系統上運行感知器算法并使用合成神經網絡進行圖像分類任務證明了這一點。據我們所知，這是第一次這樣做。現在它所能做的就是分辨出給定圖像的三種基本模式中的哪一種。雖然這聽起來不是很令人印象深刻，但把它放在量子優勢的背景下是值得的。
根據研究人員:我們的算法比傳統感知器模型具有指數優勢，因為我們已經顯式地用2個量子位表示和分類4位字符串，16位字符串只用4個量子位。這僅僅意味著，在量子系統上運行的神經網絡，可能比在經典系統上運行的神經網絡，具有指數級。人工智能和量子計算的結合所帶來的影響是超乎想象的。
當我們開發出能夠在宇宙和人類的原始底層語言之間充當譯者的機器時，會發生什么?這是留給哲學家們最好的問題。但在物理學領域，隨著研究人員對ANNs的了解越來越多，工程師們開發出更先進的量子計算系統，一種新的機器學習可能會出現，取代傳統的深度學習網絡。未來的智能機器將不會是ai或量子——它們將兩者兼而有之。
京公網安備 11010502049343號