量子辅助机器学习显示其价值
结合量子电路的机器学习算法可以产生逼真的手写数字，并且比其经典算法更有效。
机器学习允许计算机识别复杂的模式，例如面部，并创建看起来逼真的新示例。 研究人员首次证明了量子算法可以生成逼真的示例。 在这种情况下，他们创建了看起来真实的手写数字 [1]。 研究人员认为这是构建超越经典机器学习的量子设备的重要一步。
神经网络最常见的用途是分类——例如识别手写字母。 研究人员越来越多地使用算法来执行更具创造性的任务，例如创作新的、逼真的艺术品、音乐作品或人脸。 这些所谓的“生成神经网络”可用于自动编辑照片，去除雨水等不需要的细节。
来源和详细信息：
https://physics.aps.org/articles/v15/106