每两秒钟，测量美国电网的传感器就会收集3pb的数据——相当于300万gb。当关键信息存储在一个不可访问的数据库中时，如此规模的数据分析是一个挑战。
但普渡大学的研究人员正在研究一种解决方案量子算法在小型量子计算机上进行经典计算，以加快数据库的访问速度。他们使用的数据来自美国能源部国家实验室的传感器，称为相量测量单元，这些传感器收集电网上关于电压、电流和发电的信息。因为这些值可能会变化，保持电网稳定需要持续监测传感器。
化学物理教授兼首席研究员Sabre Kais将领导开发新的量子算法，用于计算由量子物理研究所产生的大量数据电网．
“用于分析数据的非量子算法可以预测电网的状态，但随着越来越多的相量测量单元部署在电力网络中，我们需要更快的算法，”计算机科学教授、该项目的联合研究员Alex Pothen说。"量子算法数据分析有可能在理论上大大加快计算速度，但实现能够处理如此大量数据的量子计算机仍然面临巨大挑战。”
该研究团队的方法具有许多实际应用的潜力，例如帮助行业优化供应链和物流管理。它还可能导致新的化学和材料发现，使用被称为量子玻尔兹曼机的人工神经网络。这种神经网络用于机器学习和数据分析。
“我们已经开发了一种混合量子算法利用量子玻尔兹曼机来获得精确的电子结构计算，”凯斯说。“我们已经证明了小分子系统的概念结果，这将使我们能够筛选分子并加速新材料的发现。”
该杂志周三发表了一篇概述这些结果的论文自然通讯．
机器学习算法已经被用于计算数百万个小分子的近似电子性质，但导航这些分子系统对化学物理学家来说是一项挑战。Kais和合作研究员陈勇(Yong Chen)是普渡大学量子中心主任、物理学和天文学、电气和计算机工程教授，他们相信他们的量子机器学习算法可以解决这个问题。
他们的算法也可以用于优化太阳能发电场。根据电气和计算机工程教授、该项目的联合研究员穆罕默德·阿拉姆(Muhammad Alam)的说法，太阳能发电厂的寿命取决于气候，因为太阳能电池每年都会因天气而退化。使用量子算法可以更容易地确定给定地理位置的太阳能农场和其他可持续能源技术的寿命，并有助于提高太阳能技术的效率。
此外，该团队希望启动一个由外部资助的产学研合作研究中心(IUCRC)，以促进量子机器学习在数据分析和优化方面的进一步研究。IUCRC的好处包括利用学术与企业的伙伴关系，扩大材料科学研究，并根据市场激励采取行动。陈说，在将量子机器学习用于数据分析之前，有必要对其进行进一步的研究，而IUCRC将取得切实的进展。
Pothen说:“我们即将开发出用于这种数据分析的经典算法，我们希望它们能得到广泛应用。”“量子算法是高风险、高回报的研究，很难预测这些算法在什么时间框架内会得到实际应用。”
该团队的研究项目是普渡大学综合数据科学计划选择的八个项目之一，为期两年。该计划将鼓励跨学科合作，并基于普渡大学的优势，将其定位为数据科学研究的领导者，并专注于以下四个领域之一:医疗保健;防御;伦理、社会与政策;基本原理、方法和算法。综合数据科学计划的研究重点由普渡大学的探索公园主办。
“这是一个令人兴奋的时刻，将机器学习与量子计算凯伊斯说。“最近在构建量子计算机方面取得了令人印象深刻的进展量子机器学习技术将成为在大数据中发现新模式的强大工具。”
了下:M2M(机器对机器)
