科普信息網

科普信息網

重磅!人工智能首次實現多重量子關聯的同時分類

發布時間:2019-11-19 13:53:59 來源:科技日報 責任編輯:caobo

記者近日從中國科學技術大學獲悉,該校郭光燦院士團隊成員李傳鋒、許金時等與國內同行合作,將機器學習技術應用于研究量子力學基礎問題,首次實驗實現了基于機器學習算法的多重非經典關聯的同時分類。該成果日前發表在國際物理學權威期刊《物理評論快報》上。

愛因斯坦、波多爾斯基和羅森等人質疑量子力學完備性,后來被稱為EPR佯謬。隨著對EPR佯謬的深入研究,人們逐漸理解愛因斯坦所指的“幽靈般的超距作用”來源于量子世界的非定域關聯,并且它還可以進一步細分為量子糾纏、量子導引和貝爾非定域性等層次。各種不同的量子關聯已經成為量子信息領域的關鍵資源,并扮演著重要的角色。

然而,刻畫任意給定的一個量子態中的非經典關聯仍存在巨大挑戰。首先是其計算極其復雜。其次是實驗上數據采集時間隨著系統粒子增加呈指數增加。最后,人們并不清楚是否存在一個統一的框架,可以通過相同的測量或可觀測量的集合,實現所有這些非經典關聯的同時區分。

機器學習可通過一系列的訓練數據,得到一個可輸出預測結果的函數或模型。通過巧妙的實驗設計,在光學系統中制備出一簇參數可調的2比特量子態。通過只輸入量子態的部分信息,利用神經網絡、支持向量機以及決策樹等機器學習模型對455個量子態的非經典關聯屬性進行學習,成功地實現了多重非經典關聯分類器。

實驗結果表明,基于機器學習算法的分類器能以大于90%的高匹配度同時識別量子糾纏、量子導引和貝爾非定域性等不同的量子關聯屬性,且無論在資源消耗還是時間復雜度上,都遠小于傳統判據所依賴的量子態層析方法。

該成果推動了人工智能與量子信息技術的深度交叉。未來,機器學習作為一種有效的分析工具,將有助于解決更多量子科學難題。

在家K歌也能赚钱吗 山东11选5走势图表 湖南快乐十分开奖结果走势图 福建快3一定牛走势 怎么开户买股票 浙江11选5中奖奖金调整 2018年七乐彩全部开奖号码 学生炒股用什么软件 河南481当前最大遗漏 山东扑克牌3开奖结果 国内股票配资平台排名