量子计算机需要非常仔细的性能监视和调整，在量子和量子级水平上，这是AI的工作。

　　喜欢指数的未来？加入我们的Xpotential社区，通过Xpotential University的课程进行未来的证明，阅读有关指数技术和趋势，连接，观看Keynote或浏览我的博客。

　　量子计算和人工智能（AI）是天生的床效应，但是尽管对量子人工智能（QAI）的chat不休，但到目前为止一直非常静止。全世界的研究人员和公司一直在努力开发这项技术，这些技术可以解决对古典计算机过于先进的极其复杂的问题，例如如何使用AI在最先进的融合反应器中控制等离子体…

　　阿尔胡斯大学（Aarhus University）的一个这样的小组是由雅各布·施森（Jacob Sherson）教授领导的研究小组，他从使用AI来控制融合反应器后使用了相同的计算机算法 - 来自DeepMind的Alphazero - 实际上控制了整个量子计算系统以提高其效率。

　　AI主题演讲者Matthew Griffin的AI的未来

　　量子计算机利用量子力学，这是物理学的一个分支，专注于我们宇宙的最小构建块。基本规则之一是，一个系统一次可以在一个以上的状态中存在。这些规则被翻译成计算机语言，量子计算机能够同时执行多个计算。这意味着量子计算机的执行速度比常规计算机快得多。

　　已经建立了量子计算机理论，但尚未创建全面的量子计算机。Alphazero能够自行学习，而无需从人类中进行任何插入。因此，该算法能够在GO，Shogi和Chess等困难游戏中击败人类和复杂的计算机程序。Alphazero能够通过与自己竞争并随着时间的推移而改善来做到这一点。

　　该算法仅四个小时就可以击败领先的国际象棋程序Stockfish。令人印象深刻的表演之后，丹麦大师彼得·海纳·尼尔森（Peter Heine Nielsen）将alphazero与出色的外星物种进行了比较。

　　奥尔胡斯大学的研究小组使用了计算机模拟来证明如何将alphazero应用于可以在量子计算机中使用的三个不同的控制问题。

　　“ Alphazero在指导的树搜索中采用了深层神经网络，并结合了深层的lookahead，该搜索可预测性的隐藏性可变性近似量子参数景观。为了强调可传递性，我们仅利用三类的控制问题应用算法，仅利用三类的控制问题，仅使用单个常见的算法集合超级层压超副层次范围。

　　团队所做的研究发表在《自然量子信息》中。

　　领导博士学生Mogens Dalgaard谈到了Alphazero迅速教学能力给团队留下深刻的印象。

　　“当我们分析Alphazero的数据时，我们看到该算法学会了利用我们最初不考虑的问题的基本对称性。这是一次了不起的经历。”

　　真正的突破来自配对Alphazero，这本身就是一种非常令人印象深刻的算法，具有专门的量子优化算法。

　　根据雅各布·施森（Jacob Sherson）教授的说法，“这表明我们仍然需要人类的技能和专业知识，未来的目标应该是了解和开发混合智能接口，从而最能利用两者的优势。”

　　该小组希望加快该领域的开发节奏，因此他们发布了代码并公开可用。此举引起了很多兴趣。

　　雅各布·舍森（Jacob Sherson）说：“在几个小时内，我与量子实验室和国际领先的大学联系了我与量子实验室和国际领先大学建立合作的联系，因此，直到这些方法在世界各地的实践实验中找到使用，可能不会很长时间。”

　　DeepMind是一家位于英国的Google姐妹公司，负责Alphazero和Alphago。这些系统现在显示出它们在其他领域的重要性，包括量子计算。