传统计算机已到极限，只有量子计算能为机器学习大幅加速？这已成往事！他在量子计算的启发下，开发了一种在传统计算机上运行的推荐算法，与以前的推荐系统相比能实现指数级加速，媲美量子推荐算法。
他今年，只有18岁。打破量子计算优越性的Ewin，刚刚进入华盛顿大学读博。
少年神通 Ewin14岁便上大学，去年17岁的他在德克萨斯大学奥斯汀大学攻读量子信息。而且，教他的老师正是斯科特·阿伦森（Scott Aaronson）教授。阿伦森是美国理论计算机科学家，David A. Bruton Jr.德克萨斯大学奥斯汀分校计算机科学百年教授。他的主要研究领域是量子计算和计算复杂性理论。
说起当初为什么要主要研究量子信息里面的推荐算法， Ewin说当时他也很犹豫，“犹豫，是因为我看起来感觉它好像很难，但这已经是他给我的课题里最简单的了。” 推荐算法是 计算机 专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，目前应用推荐算法比较好的地方主要是网络，比如淘宝，自媒体软件。所谓推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。
2016年，计算机科学家Iordanis Kerenidis和Anupam Prakash 发布了一种量子算法，该算法以比任何已知经典算法更快的速度解决推荐问题。他们通过简化问题来实现这一量子加速：不是填写整个矩阵并确定推荐的单一最佳产品，而是开发了一种将用户分类为少数类别的方式 - 他们喜欢大片还是独立电影？ - 并对现有数据进行抽样，以便生成足够好的建议。
Kerenidis和Prakash证明了量子计算机能够比任何已知算法以指数方式更快地解决推荐问题，但它们并不能证明快速经典算法不存在。因此，当Aaronson在2017年开始与Tang合作时，这就是他提出的问题 - 证明没有快速的经典推荐算法，从而确认Kerenidis和Prakash的量子加速是真实的。
其实阿伦森教授自己当时也认为没有快速的经典算法存在。 Ewin于2017年秋季开始打算将推荐问题作为高级论文。几个月来，唐挣扎着证明快速的经典算法是不可能的。但随着时间的推移，唐开始慢慢认为也许真的有这样的算法也不是可能。有了这个想法，最后通过Ewin的努力居然真的找到了可以媲美量子计算的算法！
这里也八卦一下，真的是虎父无犬子啊。Ewin的父亲为UT阿灵顿的生物工程系教授唐力平（Liping Tang），成长于台湾，目前主要的研究方向为干细胞、组织工程、纳米技术、生物相容性等。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
