量子计算在海量经典数据处理中展现指数级优势

2026年4月8日，arXiv预印本平台发布了题为《处理海量经典数据的指数级量子优势》的论文（编号2604.07639）。该论文作者团队证明，只需多项式对数规模的小型量子计算机，就能实时处理数据样本，完成大规模分类与降维任务；而要达到同等预测性能，经典机器的规模需呈指数级增长，若规模不足，则需要超多项式数量的样本和更长时间才能完成相同任务。

研究团队在单细胞RNA测序、电影评论情感分析等实际场景中验证了这一量子优势——仅用不到60个逻辑量子位，就能将经典机器所需的规模缩减四到六个数量级。这一优势源于量子oracle sketching算法：该算法通过量子叠加态访问经典数据样本，结合经典阴影技术，既规避了数据加载与读出的瓶颈，又能构建出简洁的经典模型，这是规模未达指数级的经典机器根本无法完成的任务。

即便经典机器拥有无限时间，或是假设BPP等于BQP（即经典多项式时间可解决量子多项式时间的所有问题），这种量子优势依然成立，且仅依赖量子力学本身的正确性。这项研究的结果不仅确立了经典数据机器学习是展现量子优势的广泛自然领域，也为量子力学在复杂度前沿的基础测试指明了方向。论文相关代码已上传至指定的GitHub仓库，可供研究者获取使用。