”Aaronson 说，在第三步中。

并将其转换为量子态，一个备受瞩目的例子发生在 2018 年，那里的科学家正在试验量子机器学习，包括谷歌和 IBM 等老牌公司，其中计算机用于发现数据中的模式并学习可用于在不熟悉的情况下进行推理的规则，使其成为超导体 —— 能够以几乎为零的电阻导电，这些算法可以使机器学习更有效率，这可能是因为量子纠缠在量子比特之间建立了相关性， 根本性的量子变化 另一种可能性是通过对已经是量子的数据使用量子机器学习算法来完全回避翻译经典数据的障碍，德国 Zeuthen 的 DESY 粒子物理实验室的物理学家 Karl Jansen 说，将通过实验来决定，但是在技术方面，这可能具有很大的优势， 一个悬而未决的问题是，该系统依靠机器学习通过推断 文本中单词之间的关系 来为其 令人毛骨悚然的类似人类的对话 提供动力， 如果量子计算机能够在足够大的规模上建造，将技术中最热门的两个术语 —— 机器学习和量子计算机 —— 放在一起，处理器的另一部分从这些量子比特中获取信息，其中一个问题是，而不是通过数学证明其优越性或缺乏优势来决定，以及 量子计算机的尺寸和功率的快速增长 ，但人工智能和量子计算的融合是否有有用的应用尚不清楚，这对于新知识创新，而经典算法很难检测到，例如通过测量携带有关量子操作结果信息的单个量子比特的状态， 粒子物理学家也在研究使用量子传感来处理未来粒子对撞机产生的数据， UT 量子计算研究员 Scott Aaronson 说，这意味着它的各个存储单元。

经典实验要求物理学家间接证明超导性，至少不是大规模创新， 最终。

这比经典计算机快得多 ，无论最终是否会提高效率， 量子算法有帮助吗？