研究者帮助D波计算机学习分辨树木。图片来源：Creative Commons

　　科学家正在训练量子计算机辨识树木。这听起来可能并不重要，但这个结果意味着研究人员朝使用量子计算机解决复杂的机器学习问题（如模式识别和计算机视觉）更近了一步。

　　通常，传统计算机已经能用复杂算法识别图像中的模型，但需要大量的内存和处理器耗能。这是因为传统计算机以二进制位（0或1）存储信息，相反，量子计算机在亚原子级运行，使用可以同时表示0或1的量子比特。理论上，使用量子比特的处理器可以针对一系列特殊问题，解决问题的速度比传统计算机快指数级。但量子计算的特性以及编程量子比特的局限性使计算机视觉等复杂问题难以解决。

　　近日，美国加州圣玛丽学院物理学家Edward Boyda及其同事，使用一台 D波2X 量子计算机，分析了数百张美国宇航局拍摄的卫星图片。研究人员要求计算机识别若干特征——色彩、饱和度和光反射率等，以确定图片上的像素团是树木还是建筑物、道路或河流。之后，他们让计算机回顾了分辨错误的案例，并不断调整其用于确定树木的公式，最终成功训练其识别树木，准确率达 90%。

　　研究人员近日将相关论文发表于《科学公共图书馆—综合》期刊。虽然这项研究的结果只比传统计算机针对同样问题的结果稍微准确一点，但却表明科学家可以编程量子计算机以“看到”和分析图像，并有可能使用它们解决需要繁重数据处理的其他复杂问题。例如，为更准确的气候预测奠定了基础。但在量子计算机被用于解决复杂计算问题之前仍需大量研究。