我校物理前沿科学研究院、物理与电信工程学院、广东省量子调控工程与材料重点实验室研究团队在量子机器学习研究中取得重要进展，首次发现量子计算机更擅长从经验中学习，该研究成果以“Protocol for implementing quantum nonparametric learning with trapped ions”为题，于1月7日发表在物理学国际顶尖期刊《Physical Review Letters》上, 文章链接为：https://link.aps.org/doi/10.1103/PhysRevLett.124.010506。

人类擅长从经验中总结，并能通过与以往经验对比来预测新的事物。在机器学习领域，这种方法被称为“非参数学习”。同样，如果有一台具有学习能力的量子计算机，她是否善于从经验(数据)中学习呢？她是否具有更强的学习能力（量子优势）呢？如果能，在物理上又应该如何去实现呢？针对上述科学问题，我校物理前沿科学研究院的量子人工智能研究团队提出了量子版的“非参数机器学习”，并基于离子阱物理体系设计了一台量子智能计算机。

在该工作中，创新性地将数据集加载为叠加的量子态，并利用量子态的纠缠结构来设计量子算法，高效地对经验进行加工，进一步用于预测。该方案不仅带来了量子加速，同时利用了量子空间来编码和加载数据，为经验的表达提供了更强的刻画能力，有望在处理量子机器学习的问题中带来量子优势，并能应用于药物分子的设计等科学问题。

      我校博士后张旦波为第一作者，我校朱诗亮教授，我校特聘访问教授、香港大学汪子丹教授为共同通讯作者。该研究得到了科技部重点研发计划、国家自然科学基金、广东省重点领域研究计划、广东省自然科学基金、物理一流学科等经费的支持。