量子噪声意外提升神经网络性能：三平台实验证实

来自联合量子研究所的科学家在三种量子平台上测试了用于手写数字识别的神经网络：一台IBM超导计算机和两个分别由微波或激光控制的离子阱。他们在网络运行过程中通过量子测量有意引入随机性，利用了量子叠加固有的不可预测性。在所有三个平台上，适量的量子噪声提高了准确性，而过多的噪声则降低了性能。对于网络始终无法正确识别的特定图像，添加适量的随机性后，在离子阱上几乎总能正确识别，在IBM机器上正确识别率约为90%。研究人员发现，真实的量子硬件优于模拟，他们将此归因于额外的有益硬件噪声。他们计划下一步将量子纠缠引入网络。