IBM釋出量子電腦Qiskit機器學習模組

IBM發布量子電腦開源框架Qiskit的機器學習模組，這個新的應用模組在Qiskit基礎上，加入了基礎運算建置模塊，像是量子核心（Quantum Kernels）和量子神經網路（Quantum Neural Networks），供用戶即便沒有專業量子運算知識，也可以快速建立機器學習模型雛形。

隨著機器學習的發展，該技術已經深入商業、科學和私人領域，機器學習的主要目標，是訓練電腦使其能夠理解日益龐大的資料，不過，底層的深度神經網路模型，也變得越來越複雜，訓練成本也更加高昂，IBM表示，訓練複雜模型需要耗費很長的時間，而且還會有過適（Overfitting）的風險存在，導致通用性不足，也就是說，模型必須要有意義地理解資料，而非只是記住看過的內容。

量子運算提供另一個途徑來增加機器學習的能力，量子機器學習（QML）提出了新型模型，藉由量子電腦特殊的功能，像是可在高維度特徵空間中處理資料，藉以提高模型的精確性。現在IBM發布Qiskit機器學習，透過結合量子運算以及機器學習技術，來擴展機器學習應用。

Qiskit機器學習是一個建立在Qiskit現有功能上的應用模組，Qiskit是一個量子電腦開源框架，其提供了用來創建和操作量子應用程式的工具，使量子程式可以在IBM的量子設備，或是本地端模擬器上運作，由於Qiskit遵循通用量子運算的電路模型，因此可以支援所有遵循該模型的量子硬體。

Qiskit機器學習加入了基本的運算建置模塊，包括量子核心和量子神經網路，這兩個模塊分別針對像是分類或是回歸等不同的應用程式，Qiskit機器學習和其他應用程式模組一樣，都是開源函式庫，可供所有人免費下載使用。

IBM提到，Qiskit機器學習的設計簡單易用，可以讓開發者在沒有具備深入的量子運算知識下，能夠快速建立出第一個模型雛形，而且Qiskit機器學習也足夠靈活，開發者可以簡單地擴展，以支援最新的量子機器學習研究。

開發者可以直接使用Qiskit機器學習中提供的模型之外，由於Qiskit加入了Torch連接器，因此也可以將量子神經網路，直接整合到PyTorch開源機器學習函式庫，同時，Qiskit機器學習的靈活設計，還允許將來開發者自己建構其他套件的連接器。IBM提供豐富的Qiskit機器學習教學範例，介紹這一系列新功能。