?一種基於神經網路的前所未有的方法可模擬量子系統

雷鋒網按：AI和量子計算都是前沿的研究，相比AI的規模化應用，量子計算還面臨諸多挑戰。近日，科學家們獨立開發出了一種前所未有的基於神經網路的模擬開放量子系統的方法， 這將是解決量子科學和量子信息中幾個突出問題的前提。

一種基於神經網路的新計算方法可以模擬多功能的開放量子系統，這是前所未有的。該方法由EPFL、法國、英國和美國的物理學家獨立開發，並發表在《物理評論快報》（Physical Review Letters）期刊上。

即使在日常生活，自然也受量子物理定律的支配。這些定律解釋了普通現象，如光、聲、熱，甚至是撞球桌上球的軌跡。但是當應用於大量相互作用粒子時，量子物理定律實際上預測了各種違背直覺的現象。

為了研究由許多粒子組成的量子系統，物理學家必須首先能夠模擬它們。這可以通過超級計算機求解，來描述其內部工作的方式來實現。但是，雖然摩爾定律預測計算機的處理能力每兩年翻一番，但這與解決量子物理挑戰所需的能力相去甚遠。

原因是預測量子系統的特性非常複雜，根據量子系統的大小不同，要求計算能力以指數型增長，這是一項「本質上複雜」的任務。理論物理實驗室主任Vincenzo Savona教授如此說，他是在EPFL負責Laboratory of Theoretical Physics of Nanosystems。

「當量子系統開放時，情況變得更加複雜，這意味著它會受到周圍環境的干擾，」 Savona補充道。然而，能有效模擬開放量子系統的工具是續費需要的，因為量子科學和技術的大多數現代實驗平台都是開放系統，物理學家一直在尋找新的方法來模擬和測試它們。

但是，採用神經網路模擬量子系統的新計算方法已經取得了重大進展。該方法由Savona和他的博士生Alexandra Nagy在EPFL開發 - 由巴黎狄德羅大學的科學家、愛丁堡的赫瑞瓦特大學和紐約的Flatiron研究所獨立開發。整篇文章正在《物理評論快報》的三篇論文中發表。

「我們基本上將神經網路和機器學習的進步與量子蒙特卡羅工具相結合，」 Savona說，他指的是物理學家用來研究複雜量子系統的大型計算方法工具包。科學家訓練了一個神經網路來同時表示量子系統可以通過其環境的影響投射的許多量子態。

神經網路方法允許物理學家預測不同大小和任意幾何的量子系統的性質。「這是一種新穎的計算方法，解決了開放式量子系統的問題，具有多功能性和擴展的潛力，」 Savona說。該方法將成為研究複雜量子系統的首選工具，並且將在未來展望更多，以評估雜訊對量子硬體的影響。

雷鋒網了解到，該研究發表在《物理評論快報》上，題為《Variational Quantum Monte Carlo Method with a Neural-Network Ansatz for Open Quantum Systems》，論文的摘要這樣寫道：

模擬具有大量自由度（d.o.f.）的多體開放量子系統的性質的可能性是解決量子科學和量子信息中幾個突出問題的前提。這項任務帶來的挑戰在於密度矩陣的複雜性隨系統規模增長呈指數增長。在這裡，我們開發了一種變分方法，以有效地模擬基於變分蒙特卡羅方法和密度矩陣的神經網路表示的馬爾可夫開放量子系統的非平衡穩態。由於隨機重構方案，變分原理的應用被轉化為量子主方程的實際積分。我們通過對二維耗散進行建模來測試該方法的有效性XYZ在格子上的自旋模型。

雷鋒網編譯，via EPFL、APS

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！