人工智慧技術重建量子系統的奧秘

【博科園-科學科普（關注「博科園」看更多）】用來訓練自動駕駛汽車和象棋計算機的技術，現在正在幫助物理學家探索量子世界的複雜性。物理學家第一次證明了機器學習可以基於相對較少的實驗測量來重建一個量子系統。這種方法將使科學家徹底探測粒子系統，比傳統的蠻力技術快得多。複雜的系統需要數千年的時間來重建，而以前的方法可以在幾個小時內全部分析。研究人員在2月26日的《自然物理》雜誌上報道說，這項研究將有利於量子計算機的發展和量子力學的其他應用。

圖片版權：CC0 Public Domain

紐約Flatiron研究所計算量子物理中心的副研究員，研究合作者Giuseppe Carleo說：我們已經證明了機器智能可以以一種緊湊的方式捕捉量子系統的本質，我們現在可以有效地擴展實驗的能力。Carleo是在蘇黎世ETH的講師，他的研究是由AlphaGo啟發而來的。這款電腦程序在2016年用機器學習打敗了世界圍棋冠軍。AlphaGo真的令人印象深刻，所以我們開始問自己，我們如何在量子物理中使用這些想法。

像電子這樣的粒子系統可以存在於許多不同的結構中，每一種都有特定的發生概率。例如每個電子可以有向上或向下的旋轉，類似於薛定諤的貓在著名的思想實驗中死亡或活著。在量子領域中，未觀測到的系統並不存在於這些排列中。相反系統可能被認為是同時存在於所有可能的配置中。當測量時，系統會崩潰成一個配置，就像薛定諤的貓在你打開它的盒子後要麼死了，要麼活著。這種量子力學的怪癖意味著你永遠無法在一個實驗中觀察整個系統的複雜性。相反實驗主義者反覆進行相同的測量，直到他們能夠確定整個系統的狀態。

這種方法適用於只含有少量粒子的簡單系統。但是「很多粒子會變得很臟。隨著粒子數量的增加，複雜性增加了。如果考慮到每個電子都可以向上或向下旋轉，那麼一個5個電子的系統就有32個可能的構型。一個由100個電子組成的系統擁有超過1百萬的萬億。粒子的糾纏使問題更加複雜。通過量子糾纏，獨立的粒子相互交織，即使在物理上分離，也不再被視為純獨立的實體。這種糾纏改變了不同構型的概率。因此，傳統的方法對於複雜的量子系統是不可行的。

滑鐵盧大學的Giacomo Torlai和加拿大的圓周研究所，Carleo和他的同事利用機器學習技術規避了這些限制。研究人員將量子系統的實驗測量結果反饋給基於人工神經網路的軟體工具。軟體會隨著時間的推移而學習，並試圖模仿系統的行為。一旦軟體獲得足夠的數據，它就能準確地重建完整的量子系統。研究人員使用基於不同樣本量子系統的模擬實驗數據集測試了該軟體。在這些測試中，軟體遠遠超過了傳統的方法。對於八個電子，每一個都有向上或向下的旋轉，軟體可以精確地重建系統，只有大約100個測量值。相比之下，傳統的強力方法需要近100萬的測量才能達到同樣的精確度。新技術也可以處理更大的系統。

研究人員認為，這種能力可以幫助科學家驗證量子計算機是否正確設置，任何量子軟體都能按預期運行。用緊湊的人工神經網路捕捉複雜量子系統的本質，還有其他深遠的影響。計算量子物理中心的副主任Andrew Millis指出，這些想法為該中心正在開發的新方法提供了一種重要的新方法，以理解相互作用的量子系統的行為，並與其他量子物理激發的機器學習方法聯繫起來。除了應用於基礎研究之外，研究小組在混合機器學習和量子物理理論的過程中學習到的經驗，也可以改進人工智慧的通用應用。他說:「我們可以使用我們在其他環境中開發的方法。有一天可能會有一輛靈感來自量子力學的自動駕駛汽車，誰知道呢？

知識：科學無國界，博科園-科學科普

參考：Nature Physics

內容：經「博科園」判定符合今主流科學

來自：Flatiron Institute

編譯：光量子

審校：博科園

解答：本文知識疑問可於評論區留言

傳播：博科園

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！