科技工作者之家
科界APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2019-11-20
来源:中国国际技术转移中心
近日,中国科学技术大学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。
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。
来源:chinaittc 中国国际技术转移中心
原文链接:http://mp.weixin.qq.com/s?__biz=MzA5NjI1MjYwMQ==&mid=2654473810&idx=4&sn=01ceca20b757676add8cbdcfb1521195&chksm=8b7e4984bc09c0928bccf6f0a46775d91e21100469269f71b3282ce8a0257a3a73548b4daa3e&scene=27#wechat_redirect
版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。
电话:(010)86409582
邮箱:kejie@scimall.org.cn
量子增强机器学习:量子经典混合卷积神经网络
机器学习—量子计算机阵列的原子级表征
“量子比特+机器学习”可精准测磁场
机器学习技术或可解决量子信息难题
交叉融合!机器学习辅助设计高质量碳量子点
杜江峰院士团队在量子机器学习研究中取得重要进展
我国研究人员实现室温下的电驱动单光子源
多重量子关联借力机器学习首度实现同时分类
机器学习能重建量子系统首次证明
当量子计算遇到机器学习