采访人员近日从中国科学技术大学获悉 ， 该校郭光灿院士团队成员李传锋、许金时等与国内同行合作 ， 将机器学习技术应用于研究量子力学基础问题 ， 首次实验实现了基于机器学习算法的多重非经典关联的同时分类 。 该成果日前发表在国际物理学权威期刊《物理评论快报》上 。
爱因斯坦、波多尔斯基和罗森等人质疑量子力学完备性 ， 后来被称为EPR佯谬 。 随着对EPR佯谬的深入研究 ， 人们逐渐理解爱因斯坦所指的“幽灵般的超距作用”来源于量子世界的非定域关联 ， 并且它还可以进一步细分为量子纠缠、量子导引和贝尔非定域性等层次 。 各种不同的量子关联已经成为量子信息领域的关键资源 ， 并扮演着重要的角色 。
然而 ， 刻画任意给定的一个量子态中的非经典关联仍存在巨大挑战 。 首先是其计算极其复杂 。 其次是实验上数据采集时间随着系统粒子增加呈指数增加 。 最后 ， 人们并不清楚是否存在一个统一的框架 ， 可以通过相同的测量或可观测量的集合 ， 实现所有这些非经典关联的同时区分 。
【人工智能首次实现 多重量子关联的同时分类】机器学习可通过一系列的训练数据 ， 得到一个可输出预测结果的函数或模型 。 通过巧妙的实验设计 ， 在光学系统中制备出一簇参数可调的2比特量子态 。 通过只输入量子态的部分信息 ， 利用神经网络、支持向量机以及决策树等机器学习模型对455个量子态的非经典关联属性进行学习 ， 成功地实现了多重非经典关联分类器 。
实验结果表明 ， 基于机器学习算法的分类器能以大于90%的高匹配度同时识别量子纠缠、量子导引和贝尔非定域性等不同的量子关联属性 ， 且无论在资源消耗还是时间复杂度上 ， 都远小于传统判据所依赖的量子态层析方法 。
该成果推动了人工智能与量子信息技术的深度交叉 。 未来 ， 机器学习作为一种有效的分析工具 ， 将有助于解决更多量子科学难题 。
推荐阅读
- 多商品重叠，人工智能如何计数？
- 塑造翘臀的秘密办法，瑜伽帮你实现
- 实现中国梦的意义
- 突破关键核心技术 让人工智能更智慧
- 人工智能，让机器也会“感情用事”
- 人工智能可以解决困扰科学家许久的“三体问题”
- 实现人生价值要从什么出发
- 《拳皇15》PC版开启首次折扣 免费DLC角色欧米茄·卢卡尔现已上线
- 神经网络专家：人工智能不再有冬天
- 人工智能赢下星际争霸之后又要挑战叠塔游戏