（文章來源：百家號）

基于量子的通信和計算技術有望實現(xiàn)空前的應用，例如無條件安全的通信，超高精度傳感器以及能夠以傳統(tǒng)計算機無法達到的效率解決特定問題的量子計算機。近年來，也將量子計算機設想為量子設備網絡中的節(jié)點，其中通過量子通道建立連接，數(shù)據是流經網絡的量子系統(tǒng)，從而為未來的“量子互聯(lián)網”奠定了基礎。

這些量子信息網絡的設計帶來了新的理論挑戰(zhàn)，因為有必要建立優(yōu)化的自動化信息處理協(xié)議來處理量子數(shù)據，就像目前的通信網絡自動管理信息一樣。UAB的研究人員第一次不得不應對這些挑戰(zhàn)之一：根據準備狀態(tài)對來自量子系統(tǒng)網絡的數(shù)據進行排序的問題。研究人員設計了一種最佳程序，可以識別相同制備的量子系統(tǒng)的簇。

由UAB的研究人員開發(fā)的協(xié)議顯示了與經典機器學習的典型用例的自然聯(lián)系：根據數(shù)據樣本是否共享相同的潛在概率分布對數(shù)據樣本進行聚類。這個問題類似于經典計算機如何分辨放置在街道上的麥克風同時捕獲的不同聲音的起源。計算機可以識別模式并識別對話，交通和街頭音樂家。但是，與聲波不同，識別量子數(shù)據中的模式更具挑戰(zhàn)性，因為僅觀察即可提供部分信息，并且在處理過程中會導致數(shù)據不可恢復地退化。

UAB的物理學家還能夠比較經典協(xié)議和量子協(xié)議的性能。研究人員認為，新協(xié)議遠遠優(yōu)于經典策略，特別是對于大尺寸數(shù)據。該建議代表了朝著量子信息網絡邁出的新一步，因為它為量子信息的自動分類和分配領域中的物理可能性建立了堅實的理論框架。
（責任編輯：fqj）