客座编辑
邓东灵，清华大学交叉信息研究院副教授
邓东灵博士在密歇根大学获得博士学位，并于2015获“Kent M. Terwilliger Memorial Thesis Prize”奖。随后，他在马里兰大学的联合量子研究所（JQI）获得博士后奖学金，2018年加入清华大学交叉信息研究院。邓教授是国家杰出青年科学基金获得者。邓教授研究组主要研究领域为量子人工智能，包括量子增强人工智能、人工智能应用于量子物理等。
曾蓓，美国德克萨斯大学达拉斯分校物理系教授
曾蓓是一位量子信息理论家。除了量子信息外，她的研究兴趣还包括量子计算和量子纠错。此外，她在量子多体纠缠、量子边际问题和量子信息科学在量子物质中的应用等领域也做出了贡献。
王磊，中国科学院物理研究所研究员
王磊于2006年在南京大学获得学士学位，并于2011年在中国科学院物理研究所获得博士学位。接下来的几年，他在瑞士联邦理工学院进行计算量子物理的博士后研究。王磊于2016年加入物理研究所。他的研究兴趣主要集中在机器学习与量子多体计算的交叉领域。
刘峻宇，美国匹兹堡大学计算与信息学院计算机科学系助理教授
刘峻宇博士是美国匹兹堡大学计算与信息学院计算机科学系助理教授。刘博士于2021年6月在加州理工学院获得物理学博士学位，并在沃尔特·伯克理论物理研究所和量子信息与物质研究所工作，他的指导老师包括Clifford Cheung, John Preskill 和 David Simmons-Duffin。2021年至2024年，他作为计算机科学家和理论物理学家参与了芝加哥大学和IBM合作的Chicago Quantum Exchange项目，同时他还是卡达诺夫理论物理中心的卡达诺夫研究员。他主要研究量子物理与计算机科学之间的关联交叉，特别是量子计算、量子通信、机器学习和量子传感。
专题征稿
量子增强机器学习
Quantum enhanced machine learning
在过去十年中，机器学习，尤其是人工智能，取得了显著的成功。这在解决一些著名的挑战性问题上表现得尤为明显，例如掌握围棋游戏或预测蛋白质结构。同时，量子计算领域也经历了令人瞩目的发展，实验上展示的量子计算能力超越经典计算（即量子优越性）和量子纠错码被视为最新的突破。这两个快速发展的领域现在已经交汇，催生了一个新的研究前沿：量子机器学习。
近年来，人们提出了一些新的量子算法，这些算法具有前所未有的潜力，可以增强、加速或创新机器学习，其中一些甚至已经在实验室中得到了展示。重要的例子包括Harrow-Hassidim-Lloyd算法、量子主成分分析、量子分类器、量子生成模型（如变分自编码器VAE和生成对抗网络GAN）和量子对抗学习。鉴于2024年诺贝尔物理学奖已授予约翰·霍普菲尔德和杰弗里·辛顿，以表彰他们“利用物理学的工具构建了帮助奠定当今强大机器学习基础的方法”，我们期待量子计算在不久的将来为机器学习和人工智能带来另一次飞跃。
本专题欢迎研究文章或综述，主题包括但不限于：
量子学习算法
量子学习优势
量子生成模型
量子语言处理
量子对抗学习
量子联邦学习