神经网络的抽象图，该神经网络由光子组成，具有可能与人工智能相关的记忆能力（图片来源：网络）
近日，维也纳大学的物理学家展示了一种名为量子忆阻器的新设备，它将量子计算与人工智能结合，解锁了前所未有的新能力。该实验与意大利国家研究委员会（CNR）和米兰理工大学合作进行，并已在一个基于单光子集成量子处理器上实现。这项工作成果已发表在最新一期的《自然光子学》杂志上。
人工神经网络数学模型正成为人工智能的核心。这些模型的灵感来自人脑的生物结构，如大脑通过不断重新排列神经元之间的连接方式进行学习，人工神经网络可以通过调整其内部结构进行数学训练以执行人类工作任务：人脸识别、医学图像分析诊断，以及无人驾驶等。因此，学术界和工业界的研究焦点在于：研制出能快速有效地执行神经网络计算的集成设备。
2008年，记忆电阻器的发现成为该领域的重大突破之一。该器件可根据电流的情况改变其电阻，即通过记住最后一次流过它的电荷量来调整电阻，从而维持安全电流的通过，由此被称为记忆电阻器或忆阻器。与此同时，科学家们发现忆阻器的特殊行为与神经突触有着惊人的相似性。因此，科学家们就对忆阻器被视为神经形态结构的基本组成部分开展了更深入的研究。
来自维也纳大学、意大利国家研究委员会（CNR）和米兰理工大学的研究团队证明：通过设计类似忆阻器的设备可产生量子态并能编码和传输量子信息。即，量子忆阻器。
包含光学互连的马赫-曾德尔干涉仪的神经网络（图片来源：维也纳工业大学）
通常，要研制量子忆阻器具有挑战性，因为其所涉及到的动力学原理与典型的量子行为相矛盾。而研究人员们通过使用单光子在两个或多个路径的叠加中同时传播的独特能力，克服了这一挑战。
在该实验中，研究人员们沿着波导管将单光量子在玻璃激光显示器上传播，并引导其在几条路径的叠加中进行传输。其中一条路径用于测量通过该器件的光子数量，然后利用复杂的电子反馈方案去调节另一个输出上的传输，从而实现所需的忆阻行为。
除了演示量子忆阻器外，研究人员还进行了量子神经网络模拟，以证明带有量子忆阻器的光网络可用于经典和量子学习任务。这预示了量子忆阻器将是人工智能和量子计算之间的重要纽带。
该研究论文的第一作者Michele Spagnolo表示：“在人工智能中释放量子资源的全部潜力是当前量子物理学和计算机科学研究面临的最大挑战之一。”现在，该团队证明了：通过使用量子资源和量子计算方案，机器学习速度将显著提升。这一新成果将进一步推动量子人工智能成为现实。
原文链接：
https://www.eletimes.com/quantum-nature-of-artificial-neurons-with-photonic-circuits
文：ELE Times
编译：卉可
编辑：慕一
注：本文编译自“?ELE Times”，不代表量子前哨观点。