量子力学正在迅速发展，量子机器学习已经成为产业关注的重点领域。

近日，京东探索研究院院长陶大程在接受采访时提到，国内外在量子力学领域的研究进展迅速，考虑到算力和能耗等问题，有必要尽早开展量子机器学习的研究。

“传统计算机的计算能力很快将达到极限，而量子计算将是突破这一极限的有效手段之一。”陶大程表示，各大机构和公司都在研究量子计算，以解决传统计算架构即将面临的算力瓶颈问题。

量子计算机能够更快地执行复杂的计算任务，例如研究生物系统、创建加密和大数据系统，解决涉及多个变量的问题。作为京东探索研究院的重点研究方向之一，量子机器学习是一个融合了量子计算和机器学习的跨学科领域。一方面，它利用来自量子计算机和传统计算机的数据来训练机器学习模型；另一方面，它借助量子力学的思想和模型来改进机器学习算法。

关于量子机器学习与当前机器学习之间的关系，陶大程认为，人工智能和机器学习已经被定义为一种通用工具，适用于各种不同的模型、算法和应用。有了量子计算机之后，如何将机器学习或人工智能算法应用于实际操作变得尤为重要。

“这并非一件容易的事，不同于我们目前的经典算法编程，将Fortran或Basic语言编写的程序转换为C语言或Python语言。”陶大程解释道，“我们需要理解量子计算机的基本工作原理，包括量子叠加态和量子纠缠性，基于这些构建出的机器学习算法才有可能实现量子优越性。”

量子机器学习的优势在于指数级的计算加速或能耗减少。因此，从节能减排的角度来看，量子计算具有重要意义。例如，未来有了量子计算机后，计算效率将更高，能耗更低，不再需要像现在这样训练超级深度学习模型时消耗大量能源。

京东探索研究院已经从理论上探讨了量子计算领域的核心问题：如何有效地度量和控制量子算法的复杂度，以确保良好的训练性能。具体来说，他们将量子神经网络和应用于量子化学领域的量子变分求解器统一在一个数学框架下，从而使用统计学习理论中的覆盖数来描述算法的复杂度。

京东探索研究院认为，统计学习理论已经证明了量子神经网络在机器学习和化学分子模拟中的表达能力，量子机器学习的加速效果在理论和实践中都得到了初步验证。

目前，京东探索研究院正在从量子神经网络理论、量子隐私机器学习、量子机器学习与传统AI融合等多个方向展开研究，最终推动药物设计、金融分析、分子化学、量子信息、量子传感等领域的发展。未来，京东探索研究院将致力于设计能够在现有量子计算机上运行并具有量子优势的机器学习算法，从深度学习理论、统计学习理论、优化理论等角度研究量子机器学习算法超越经典算法的能力。