主要观点：人们关注 AI 的能源使用并探索削减其电力需求的方法，量子计算是其中较前沿的技术，其硬件与支持 AI 的某些数学更匹配，可解决传统硬件在运行 AI 时的瓶颈问题，目前已有团队将经典图像数据转化为量子处理器进行基本的 AI 图像分类测试。
关键信息：

• 有多种削减 AI 电力需求的方法，量子计算较前沿。
• 量子硬件在某些方面比传统硬件更适合 AI，如处理和存储不分离。
• 有两种量子处理器参与测试，IBM 的 156 个量子比特但门操作误差率稍高，Quantinuum 的 56 个量子比特但操作误差率低。
• 研究通过三种编码数据方法将经典图像数据转化为量子信息进行测试，硬件系统能运行预期的 AI 算法但精度仍有待提高。
  重要细节：
• 许多削减 AI 电力需求的方法是现有技术的直接扩展。
• 量子计算机运行监督式机器学习时能在经典硬件处理数据时表现更好。
• 研究团队来自本田研究所与 Blue Qubit 公司合作，测试的是图像分类问题，使用经典模拟器训练并在两种量子处理器上运行。
• 分类精度随使用量子比特数增加或运行门操作增多而提高，但仍低于传统硬件上的标准算法。