機器學習規避傳統方法限制 被証明能重建量子系統

　　據物理學家組織網26日報道，科學家首次証明，機器學習可基於較少的實驗測量重建量子系統，新方法不僅能幫助物理學家更快速地分析粒子系統，也有助於量子計算機等量子力學應用的發展。研究發表在26日出版的《自然·物理學》雜志上。

　　電子等粒子系統能以許多不同的組合存在，每種系統都有特定的出現概率。在量子領域，未被觀察的系統並不以任何一種組合存在，而被認為是所有可能的組合。當測量時，系統塌陷成一種組合，這意味著，科學家無法在單個實驗中觀察到整個系統的復雜性，必須一次次進行測量，直到確定整個系統的狀態。但這種方法適用於僅包含少量粒子的簡單系統。隨著粒子數量的增加，系統的復雜性飆升。例如，每個電子擁有向上或向下的自旋，5電子系統擁有32種可能的組合﹔100個電子系統則擁有2的100次方種組合。此外，粒子糾纏也會加深量子系統的復雜程度，因此傳統方法力不從心。

　　在最新研究中，美國紐約計算量子物理中心副研究員朱塞佩·卡萊奧及加拿大科學家，利用機器學習技術規避了這些限制。他們將量子系統的實驗測量結果提供給基於人工神經網絡的軟件工具，軟件會學習並嘗試模仿系統的行為。一旦軟件獲取足夠多的數據，它可以准確地重建完整的量子系統。

　　研究人員使用基於不同量子系統的模擬實驗數據集對軟件進行了測試。結果顯示，該軟件遠超傳統方法：對於8個電子的系統，軟件隻需約100次測量即可精確重建系統，而傳統方法則需近一百萬次測量才能達到同樣的准確度。新技術也可處理更大的系統，還能幫助科學家驗証量子計算機是否正確設置，量子軟件是否按預期運行等。

　　卡萊奧說，機器學習與量子物理學強強聯手，除了用於基礎研究之外，也能改善人工智能的應用。（記者 劉霞）