據(jù)物理學家組織網(wǎng)26日報道，科學家首次證明，機器學習可基于較少的實驗測量重建量子系統(tǒng)，新方法不僅能幫助物理學家更快速地分析粒子系統(tǒng)，也有助于量子計算機等量子力學應用的發(fā)展。研究發(fā)表在26日出版的《自然·物理學》雜志上。
電子等粒子系統(tǒng)能以許多不同的組合存在，每種系統(tǒng)都有特定的出現(xiàn)概率。在量子領域，未被觀察的系統(tǒng)并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(tǒng)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(tǒng)的復雜性，必須一次次進行測量，直到確定整個系統(tǒng)的狀態(tài)。但這種方法適用于僅包含少量粒子的簡單系統(tǒng)。隨著粒子數(shù)量的增加，系統(tǒng)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(tǒng)擁有32種可能的組合；100個電子系統(tǒng)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(tǒng)的復雜程度，因此傳統(tǒng)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(guī)避了這些限制。他們將量子系統(tǒng)的實驗測量結果提供給基于人工神經(jīng)網(wǎng)絡的軟件工具，軟件會學習并嘗試模仿系統(tǒng)的行為。一旦軟件獲取足夠多的數(shù)據(jù)，它可以準確地重建完整的量子系統(tǒng)。
研究人員使用基于不同量子系統(tǒng)的模擬實驗數(shù)據(jù)集對軟件進行了測試。結果顯示，該軟件遠超傳統(tǒng)方法：對于8個電子的系統(tǒng)，軟件只需約100次測量即可精確重建系統(tǒng)，而傳統(tǒng)方法則需近一百萬次測量才能達到同樣的準確度。新技術也可處理更大的系統(tǒng)，還能幫助科學家驗證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(lián)手，除了用于基礎研究之外，也能改善人工智能的應用。