該研究将會極大的推動量子計算機的研究和發展。
近日，科學家通過實驗證明，基于少量的資料，機器學習可以重建量子系統。這個方法使得科學家能夠在數小時之内完成之前數千年都沒有解決的問題。
電子等粒子系統能以許多不同的組合存在，每種系統都有特定的出現機率。在量子領域，未被觀察的系統并不以任何一種組合存在，而被認為是所有可能的組合，這種系統就像是薛定谔的貓，當科學家對其進行測量之時，整個系統就坍塌成特定的組成形式。
因而，量子系統的這一特性就表明，科學家無法通過一次實驗就觀察到整個系統的複雜特性，而是要經過一次又一次的測量來不斷研究分析，直到能夠确定整個系統的狀态。
但是這一過程中，随着量子系統中使用的量子數增加，系統的複雜度将會以指數倍增長，如，每個電子擁有向上或向下的自旋，5電子系統擁有32種可能的組合；100個電子系統則擁有2的100次方種組合。此外，量子糾纏也會加深量子系統的複雜程度，是以傳統方法力不從心。
在最新的這項研究中，美國紐約計算量子實體中心副研究員朱塞佩·卡萊奧及加拿大科學家，利用機器學習技術規避了這些限制。他們将量子系統的實驗測量結果提供給基于人工神經網絡的軟體工具，軟體會學習并嘗試模仿系統的行為，一旦軟體擷取足夠多的資料，它可以準确地重建完整的量子系統。
研究人員使用基于不同量子系統的模拟實驗資料集對軟體進行了測試。結果顯示，該軟體遠超傳統方法，新技術也可處理更大的系統，還能幫助科學家驗證量子計算機是否正确設定，量子軟體是否按預期運作等。
未來，該研究将會極大的推動量子計算機的研究和發展。