人工神经网络成功解决凝聚态物理学中的难题学术资讯

图片2.png

对于量子多体物理中的一些现象，目前物理学界中存在着几种相互矛盾的理论。究竟用哪一种理论描述量子现象才最合适呢？美国“科学日报网”7月12日消息称，来自德国慕尼黑工业大学和美国哈佛大学的一个研究团队，已经成功地将人工神经网络用于量子系统的图像分析。相关的研究论文近日发表在《自然·物理学》杂志上。

在凝聚态物理学研究中，一些关于固体和液体的现象仍然笼罩在神秘面纱之中。例如，到目前为止，高温超导体的电阻在零下200℃左右便会降为零的原因仍然是个未解之谜。为了应对理解这种物质异常状态的挑战，目前科学家已基于超冷锂原子开发出了量子模拟器，用于研究高温超导体的物理学效应。这些模拟器能够拍摄量子系统的快照，而量子系统又以不同的构型同时存在（物理学家将之称为“叠加态”）。这样，量子系统的每张快照便能够根据其量子力学概率给出一个特定的构型。为了理解这样的量子系统，人们建立了各式各样的理论模型。但是，它们在多大程度上反映了现实呢？这个问题可以通过分析图像数据来回答。

为了实现这一目标，该研究团队成功地采用了机器学习技术，通过训练一个人工神经网络来区分两种相互竞争的理论推导过程。TUM的博士生Annabelle Bohrdt介绍道：“就像检测图片中的图像是猫还是狗一样，每种量子理论的构型图像都能被输入到神经网络中。然后，通过优化网络参数来给每张图片贴上正确的标签——在这种情况下，它们不是猫或狗，而是理论A或理论B。”

经过理论数据的训练阶段之后，神经网络必须将所学的知识加以应用：它先将量子模拟器拍摄的快照分配到理论A或理论b中，然后再选择其中预测性相对更高的那个理论。在未来，研究人员计划使用这种新方法来评估几种理论现象描述的准确性，其目的在于了解与高温超导相关的主要物理效应。这一领域有诸多重要的应用前景，比如无损输电技术和高效磁共振成像技术。

科界原创

编译：Jonathan

审稿：alone

责编：唐林芳

期刊来源：《自然·物理学》

期刊编号：1745-2473

原文链接：

https://www.sciencedaily.com/releases/2019/07/190712105716.htm