AWS加入开源框架PennyLane指导委员会，要融合机器学习和量子运算技术

AWS宣布加入开源专案PennyLane的指导委员会，要与量子电脑新创公司Xanadu合作，共同发展PennyLane，目的是要将机器学习和量子运算的概念融合在一起，建置更好的开发和研究工具。PennyLane是一个跨平台的Python函式库，用于量子电脑的可微分程式开发，能以训练神经网络的方式，训练量子电脑。

AWS提到，机器学习花了30年的时间，才真正进到人们的生活中，尽管运算能力的改进是机器学习兴起的主要原因，但是过去10年，友善的开源软件生态系，也是许多机器学习成功故事的重要元素，开源软件跨全球社群加速了创新。

而AWS认为，现在量子运算的研究，跟机器学习早期的发展情况很像，学术界和业界每天都在贡献新的想法、算法，并改进硬件，但是有一些共同的障碍仍然存在，而且量子运算研究人才，通常需要多年专业训练，才能做出贡献，而这种情况也与机器学习早期发展相同。

目前各大云端都开始提供自家的量子运算服务，包括AWS的Amazon Braket，用户能以云端服务的方式，取用量子电脑资源，而AWS提到，他们希望量子运算可以更普及，供不同社群取用，并将数十年在机器学习的经验，用来发展量子电脑领域。

AWS认为PennyLane就是答案，PennyLane这个开源专案，试图弥合量子运算和机器学习两社群中间的鸿沟。

量子运算界过去只专注研究大规模无嘈杂量子电脑上，希望获得大幅的运算能力进步，这些研究证明了量子电脑的确有很大的潜力，但是需要的装置也非比寻常，因此科学家退一步开始研究嘈杂中等规模量子系统(Noisy Intermediate Scale Quantum，NISQ) ，开发相对较少的嘈杂量子位元装置，而启发式新型量子算法应运而生，这是一种不能保证最佳解，但是可以接近正确答案的实际方法，研究人员相信这些算法能用来进行化学计算，或是各种最佳化计算。

机器学习和量子运算的概念存在相似性，AWS提到，启发式NISQ机制的量子算法，和训练神经网络的原理相同，机器学习中调整权重以及算法收敛等各个部分，都能对应到量子运算研究中，而用量子电脑来建置可预测性机器学习模型，也是最近当红的研究领域。

PennyLane便是建立在机器学习和量子运算间的相似性上，紧密结合各个领域以加速创新，特别是PennyLane引入了全新范式——量子可微分程式开发，将机器学习自动微分的基本概念，扩展到量子电路中，因此研究人员不需要重新发明轮子，用PennyLane就可以直接使用现有机器学习函式库来训练量子电路，就像是训练神经网络一样，让量子运算研究透过成熟的机器学习工具获得加速，机器学习专家也可以使用熟悉的工具和术语，开始量子运算的研究。

AWS与PennyLane团队在过去一年的合作，将PennyLane带入Amazon Braket，现在用户可以使用PennyLane建构变体算法，在Amazon Braket全托管模拟器上进行微调。AWS提到，这项成果仅是开端，已经有更多的研究被移植到软件框架，以更普及的方式供其他研究人员取用，而新软件功能也开辟新的研究途径，正向回馈驱动研究向前发展。