2026年10月6日
- 德國航空航天中心 (DLR) 開發了一種方法，可以將量子人工智慧的訓練優勢應用於經典硬體。
- 德國航空航天中心的研究人員對量子訓練的人工智慧進行了修改，使其可以在傳統電腦上運行，然後轉移到機器人上。
- 高效率的量子演算法未來只需將訓練結果傳輸到終端設備，就能簡化和加速人工智慧的訓練。
- 主要專長領域：人工智慧 (AI)、量子人工智慧、量子運算、機器學習、智慧機器人、交通運輸、物流、工業 4.0、安全、網路安全
德國航空航天中心 (DLR) 開發了一種方法，可以將未來量子人工智慧的訓練優勢應用於傳統的嵌入式硬件，例如機器人。量子人工智慧的學習速度和效率都優於傳統人工智慧。 DLR 的研究人員已成功將量子人工智慧的訓練結果遷移到傳統機器人的硬體上。這為人工智慧在複雜動態任務中的應用開闢了新的、高效且更經濟的途徑。這些任務包括機器學習、物流和工業 4.0 等。
德國航空航天中心人工智慧安全研究所將在 2026 年量子效應展（斯圖加特貿易展覽會，2 號展廳，2E17 展位）上展示如何成功地將翻譯後的量子人工智慧應用於帶有機械手臂的機器人。
訓練是人工智慧的知識庫。
人工智慧訓練得越好，其知識庫就越龐大，決策就越可靠。這決定了人工智慧的效能，同時也對其運作可靠性構成了最大的挑戰。傳統人工智慧需要大量資料和多次訓練迭代。量子電腦可以加速並簡化這個學習過程，從而節省能源、時間、數據，並最終降低成本。
量子人工智慧擁有巨大的應用潛力。它能夠處理複雜且動態的任務，即使在不斷變化的環境中也能游刃有餘。凡是需要高度適應性或與人類互動的領域，都能找到其應用場景。典型任務包括物料運輸、機器裝載、抓取複雜物體、工具使用、組裝工作和車輛控制。未來的應用領域包括人形機器人，例如在醫療保健領域，甚至在太空探索的行星探測任務中。
充分利用未來量子人工智慧的優勢
「量子人工智慧只能在量子電腦上運作。然而，目前還沒有通用且無誤差的量子計算機。即使未來出現了這樣的計算機，也並非所有人工智慧控制的設備都會配備量子計算機，」德國航空航天中心人工智慧安全研究所的Lea Schmitz解釋道。
為了充分利用未來量子人工智慧在傳統電腦和硬體簡單的設備上的訓練優勢，該研究所開發並測試了多階段遷移方法。該方法將量子人工智慧的訓練結果轉換為可執行且針對傳統硬體優化的形式。這使得在配備簡單控制電腦的小型行動裝置上使用量子人工智慧成為可能。
「我們的目標是未來能夠獨立於量子電腦使用經過量子訓練的人工智慧。我們看到了巨大的潛力，例如在工業流程自動化或機器人領域，這些領域的運算能力通常遠低於普通個人電腦，以及在智慧型設備領域，」Lea Schmitz說。
機器人利用翻譯後的量子人工智慧更換車輪
德國航空航天中心（DLR）的研究人員首次將遷移概念付諸實踐。他們證明，量子人工智慧可以遷移到簡單輕便的標準硬體上。這是實現量子人工智慧潛在優勢的關鍵一步。 「我們以一個抓取微型輪胎的小型移動機器人為例進行演示，」他們的同事勞塔羅·希克曼解釋道。 “我們事先使用機器人的模擬程式訓練了量子人工智慧。為此，我們將經典模擬程式中的機器人運動與量子人工智慧的控制相結合。”
此方法尤其適用於機器人車輛、起重機或偵測車等簡單輕巧的硬體。另一個未來的應用領域是物聯網中的小型設備，例如配備小型電腦的智慧家庭連網設備，甚至是建築自動化系統。這裡最大的挑戰在於如何維持所需的運算能力和低能耗。原則上，這種遷移方法可以應用於任何已經使用或計劃使用人工智慧的領域。
張量網路將量子人工智慧轉化為經典硬體可用的技術
德國航空航天中心（DLR）專案團隊首先訓練了量子人工智慧。然而，在現有量子電腦上訓練他們的機器人尚不可行。五關節機械手臂的運動過於複雜。因此，他們轉而使用量子電腦的軟體模擬器。 「當我們在經典電腦上模擬疊加和糾纏等量子物理原理時，我們自然無法達到真實量子電腦的高效和高速。但我們已經可以理解其基本原理，」勞塔羅·希克曼強調。
利用所謂的張量網絡，所有用於量子人工智慧的訓練資訊都被轉換成經典電腦可執行的形式。這種形式由描述幾何和物理屬性的數學結構所構成。為了使導出的量子人工智慧能夠在更小的設備上運行，網路會被進一步壓縮和簡化。 「我們的方法已經完成，一旦用於訓練的量子硬體可用，就可以立即使用。屆時，該流程將具有工業應用價值，」Lea Schmitz補充道。
量子人工智慧仍處於保密狀態
這種傳輸方法的安全性優勢之一在於，量子人工智慧的訓練可以在資料中心或公司內部集中進行。訓練完成的量子人工智慧會被安全地儲存在那裡。只有訓練結果會被特別優化並提供給終端設備。
這些終端設備無需與雲端量子電腦即時連接。它們可以獨立運行，無需資料連接，因此能夠抵禦網路攻擊或資料竊取。這對於大規模生產尤其重要。這有助於保護資料主權，並推動量子人工智慧的廣泛應用。
德國航空航天中心（DLR）的這項研究成果對於量子人工智慧的實際應用至關重要。下一步是與業界合作，針對特定應用和工業硬件，對新方法進行調整和進一步開發。
[照片]
未來，配備傳統硬體的設備上的人工智慧應該能夠利用量子人工智慧的高效訓練。
德國航空航天中心（DLR）開發了一種遷移方法，可以將訓練好的量子人工智慧從量子電腦遷移到機器人的傳統硬體上。作為第一個實際應用案例，專案團隊已使用該方法訓練了一個模型機器人。