采訪人員近日從中國科學技術(shù)大學獲悉 ， 該校郭光燦院士團隊成員李傳鋒、許金時等與國內(nèi)同行合作 ， 將機器學習技術(shù)應用于研究量子力學基礎問題 ， 首次實驗實現(xiàn)了基于機器學習算法的多重非經(jīng)典關聯(lián)的同時分類 。 該成果日前發(fā)表在國際物理學權(quán)威期刊《物理評論快報》上 。
愛因斯坦、波多爾斯基和羅森等人質(zhì)疑量子力學完備性 ， 后來被稱為EPR佯謬 。 隨著對EPR佯謬的深入研究 ， 人們逐漸理解愛因斯坦所指的“幽靈般的超距作用”來源于量子世界的非定域關聯(lián) ， 并且它還可以進一步細分為量子糾纏、量子導引和貝爾非定域性等層次 。 各種不同的量子關聯(lián)已經(jīng)成為量子信息領域的關鍵資源 ， 并扮演著重要的角色 。
然而 ， 刻畫任意給定的一個量子態(tài)中的非經(jīng)典關聯(lián)仍存在巨大挑戰(zhàn) 。 首先是其計算極其復雜 。 其次是實驗上數(shù)據(jù)采集時間隨著系統(tǒng)粒子增加呈指數(shù)增加 。 最后 ， 人們并不清楚是否存在一個統(tǒng)一的框架 ， 可以通過相同的測量或可觀測量的集合 ， 實現(xiàn)所有這些非經(jīng)典關聯(lián)的同時區(qū)分 。
【人工智能首次實現(xiàn) 多重量子關聯(lián)的同時分類】機器學習可通過一系列的訓練數(shù)據(jù) ， 得到一個可輸出預測結(jié)果的函數(shù)或模型 。 通過巧妙的實驗設計 ， 在光學系統(tǒng)中制備出一簇參數(shù)可調(diào)的2比特量子態(tài) 。 通過只輸入量子態(tài)的部分信息 ， 利用神經(jīng)網(wǎng)絡、支持向量機以及決策樹等機器學習模型對455個量子態(tài)的非經(jīng)典關聯(lián)屬性進行學習 ， 成功地實現(xiàn)了多重非經(jīng)典關聯(lián)分類器 。
實驗結(jié)果表明 ， 基于機器學習算法的分類器能以大于90%的高匹配度同時識別量子糾纏、量子導引和貝爾非定域性等不同的量子關聯(lián)屬性 ， 且無論在資源消耗還是時間復雜度上 ， 都遠小于傳統(tǒng)判據(jù)所依賴的量子態(tài)層析方法 。
該成果推動了人工智能與量子信息技術(shù)的深度交叉 。 未來 ， 機器學習作為一種有效的分析工具 ， 將有助于解決更多量子科學難題 。
推薦閱讀
- 多商品重疊，人工智能如何計數(shù)？
- 塑造翹臀的秘密辦法，瑜伽幫你實現(xiàn)
- 實現(xiàn)中國夢的意義
- 突破關鍵核心技術(shù) 讓人工智能更智慧
- 人工智能，讓機器也會“感情用事”
- 人工智能可以解決困擾科學家許久的“三體問題”
- 實現(xiàn)人生價值要從什么出發(fā)
- 《拳皇15》PC版開啟首次折扣 免費DLC角色歐米茄·盧卡爾現(xiàn)已上線
- 神經(jīng)網(wǎng)絡專家：人工智能不再有冬天
- 人工智能贏下星際爭霸之后又要挑戰(zhàn)疊塔游戲