量子机器学习从2007年HHL算法的提出以来，一直都是物理、数学和计算机等领域的研究热点。经过十几年的研究，量子机器学习的研究思路和路线也逐渐在演变，到目前为止，量子机器学习领域在学术界还未形成统一的共识，即量子机器学习的内涵与外延目前还不是足够清晰。本质上，是因为科学家还在继续寻找量子学习理论与经典学习理论的本质区别。现阶段，量子机器学习的实验进展因为量子计算设备中量子比特与纠错能力的限制还停留在初步阶段，因此量子机器学习的研究大部分都是理论与小规模实验或仿真相结合的形式进行。关于量子机器学习的争议也不少，但针对它的批评能更好地促进其自身的发展，这也是科学研究的必经之路。

量子机器学习从最开始因为宣称对矩阵求逆的指数加速而迅速引起学术界的广泛关注。但是德克萨斯大学奥斯汀分校的Aaronson教授（量子计算先驱，前MIT副教授）迅速“泼了冷水”，他在Nature physics上发文《Read the fine print》，迅速将一部分狂热的学者带回冷静的思考之中。他的文章指出，HHL算法想要实现指数加速必须克服三大困难：

实际上，上述三大困难表示量子计算的三个基本步骤，并且每个步骤都存在巨大的挑战。尽管如此，在理论层面国内外的不少学者仍然致力于开发出基于HHL算法模式的量子统计机器学习算法，尽管他们的研究中都明确给出了对上述三种困难的数学假设。

在此之间，加州理工学院的Preskill教授提出了量子霸权的概念，一时间量子计算风光无限。众多大型互联网与制造业巨头都纷纷开始进行量子计算的研发。尽管量子霸权的概念后来受到了

本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】