近日，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。
