机器学习能重建量子系统首次证明

科学日报，北京，2月27日(记者刘霞)——根据物理学家组织网络26日的一份报告，科学家首次证明了机器学习可以基于更少的实验测量重建量子系统。这种新方法不仅可以帮助物理学家更快地分析粒子系统，而且有助于量子力学应用的发展，如量子计算机。这项研究发表在26日的《自然物理学》杂志上。

像电子这样的粒子系统可以以许多不同的组合存在，并且每个系统都有特定的出现概率。在量子领域，未观察到的系统并不存在于任何一种组合中，而是被认为是所有可能的组合。测量时，系统会折叠成一个组合，这意味着科学家无法在一次实验中观察到整个系统的复杂性，必须反复测量，直到整个系统的状态确定下来。然而，这种方法适用于只包含少量粒子的简单系统。随着粒子数量的增加，系统的复杂性急剧增加。例如，每个电子都有一个向上或向下的自旋，一个5电子系统有32种可能的组合。100个电子系统有2到100个电源组合。此外，粒子的纠缠也会加深量子系统的复杂性，因此传统的方法已经超出了它的能力。

在最新的研究中，纽约计算量子物理中心的助理研究员朱塞佩·卡莱欧和加拿大科学家使用机器学习技术来规避这些限制。它们将量子系统的实验测量结果提供给基于人工神经网络的软件工具，后者将学习并尝试模仿系统的行为。一旦软件获得足够的数据，它就可以精确地重建整个量子系统。

研究人员使用基于不同量子系统的模拟实验数据集测试了该软件。结果表明，该软件远优于传统方法:对于8个电子系统，该软件只需要约100次测量就能精确重构系统，而传统方法需要近100万次测量才能达到同样的精度。这项新技术还可以处理更大的系统，并帮助科学家验证量子计算机是否安装正确，以及量子软件是否按预期运行。

Caleo说，机器学习和量子物理的强大结合，除了基础研究之外，还可以提高人工智能的应用。