复杂系统在我们的日常生活中扮演着至关重要的角色，无论是预测交通模式、天气预报还是了解金融市场。然而，准确预测这些行为并做出明智的决策依赖于存储和跟踪来自遥远过去事件的大量信息——这一过程带来了巨大的挑战。

目前使用人工智能的模型的内存需求每两年增加一百倍以上，而且往往需爱博网投官方网站要对数十亿甚至数万亿个参数进行优化。如此巨大的信息量导致了一个瓶颈，我们必须权衡内存成本和预测准确性。

来自曼彻斯特大学、中国科学技术大学(USTC)、新加坡国立大学量子技术中心(CQT)和南洋理工大学(NTU)的研究人员组成的合作团队提出，量子技术可以提供一种缓解这种权衡的方法。

该团队已经成功实现了量子模型，可以模拟一系列复杂的过程，只有一个量子比特的内存(量子信息的基本单位)，从而大大降低了内存需求。

经典模型依赖于随着过去事件数据的增加而增加的内存容量，而这些量子模型只需要一个量子比特的内存。

这一进展发表在该杂志上自然通讯，代表了量子技术在复杂系统建模中应用的重大进步。

项目负责人、曼彻斯特大学凯瑟琳·奥伦肖爵士研究员托马斯·艾略特博士说:“许多关于量子优势的建议都集中在使用量子计算机更快地计算事物上。我们采取了一种互补的方法，而是看看量子计算机如何帮助我们减少计算所需的内存大小。

“这种方法的好处之一是，通过在内存中使用尽可能少的量子比特，我们更接近于近期量子技术的实用性。此外，我们可以使用我们释放的任何额外量子位来帮助减轻量子模拟器中的错误。”

该项目建立在艾略特博士和新加坡团队早先提出的理论基础上。为了测试该方法的可行性，他们与中国科技大学合作，使用基于光子的量子模拟器来实现所提出的量子模型。

该团队实现了比任何配备相同内存的经典模拟器更高的精度。该方法可用于模拟具有不同行为的其他复杂过程。

中国科大博士后研究员、该研究的联合第一作者吴康达博士说:“量子光子学代表了量子计算中最不容易出错的架构之一，尤其是在更小的尺度上。此外，由于我们正在配置我们的量子模拟器来模拟一个特定的过程，我们能够微调我们的光学元件，并实现比当前通用量子计算机典型的更小的误差。”

CQT研究员杨成然博士也是该研究的联合第一作者，他补充说:“这是第一次实现量子随机模拟器，其中信息随着时间的推移在内存中的传播得到了最终证明，同时证明了比任何具有相同内存大小的经典模拟器更高的准确性。”

除了直接的结果，科学家们说，这项研究为进一步的研究提供了机会，比如探索与经典模型相比，量子模型中减少散热的好处。他们的工作也可能在金融建模、信号分析和量子增强神经网络中找到潜在的应用。

下一步包括计划探索这些联系，并将他们的工作扩展到更高维度的量子存储器。