據悉，他們了一套在一台量子計算機上運行的單層人造神經網絡(ANN)。這種基礎ANN被稱為感知器，它是更強大網絡神經的基礎組成部分。

而之前在量子系統上建立感知器的嘗試涉及到的是將單個量子位元視為是網絡中的神經元。這是一種繁瑣而又復雜的方法，並且它也未能產生太多的可操行結果。

Tacchino及其團隊則嘗試了另一種不同的方法。據其介紹，他們採用的是一種類似於Rosenblatt感知器在量子計算機上的另一種設計，“我們通過在支持雲量子計算的IBM量子處理器上部署二量子位版算法來實驗性地展示這種方法的有效性。”

IBM的Q Experience計算機是一種五量子位雲端訪問的量子系統，對於那些沒有數百萬美元資金投入的實驗室和接觸世界級物理學家和工程師的人來說，它一直被作為是一種與量子計算互動的方式，不過通常情況下，它更多地會被認為是一種教育工具。

量子計算機面臨的其中一個大問題是沒有任何軟件、程序或編碼。要為一台違反物理定律的機器編寫代碼是非常困難的，但這並不是說就沒有可能。

意大利團隊就通過在IBM Q系統上運行感知器算法並利用合成神經網絡進行圖像分類任務證明了這一點。據悉，這是科學界第一次這樣做。

現在它所能做的就是分辨出給定圖像的三種基礎模式中的其中一種。雖然這聽起來好像也算不上什麼大事，但當把它放在量子優勢的背景下卻又是另外一回事了。

研究人員表示，他們的算法比傳統感知器模型更具有指數優勢。這僅僅意味著在量子系統雲端運行的神經網絡可能比在傳統系統上運行的神經網絡更具有指數型的優勢。人工智能和量子計算的結合帶來的影響將會是超乎想像的。

相信未來的智能機器絕不會只是AI或量子–而是兩者兼而有之。