人工智能首次實現(xiàn) 多重量子關聯(lián)的同時分類
摘要: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(lián),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。
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(nèi)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(xiàn)了基于機器學習算法的多重非經(jīng)典關聯(lián)的同時分類。該成果日前發(fā)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(zhì)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(lián),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(lián)已經(jīng)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(tài)中的非經(jīng)典關聯(lián)仍存在巨大挑戰(zhàn)。首先是其計算極其復雜。其次是實驗上數(shù)據(jù)采集時間隨著系統(tǒng)粒子增加呈指數(shù)增加。最后,人們并不清楚是否存在一個統(tǒng)一的框架,可以通過相同的測量或可觀測量的集合,實現(xiàn)所有這些非經(jīng)典關聯(lián)的同時區(qū)分。
機器學習可通過一系列的訓練數(shù)據(jù),得到一個可輸出預測結果的函數(shù)或模型。通過巧妙的實驗設計,在光學系統(tǒng)中制備出一簇參數(shù)可調(diào)的2比特量子態(tài)。通過只輸入量子態(tài)的部分信息,利用神經(jīng)網(wǎng)絡、支持向量機以及決策樹等機器學習模型對455個量子態(tài)的非經(jīng)典關聯(lián)屬性進行學習,成功地實現(xiàn)了多重非經(jīng)典關聯(lián)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(lián)屬性,且無論在資源消耗還是時間復雜度上,都遠小于傳統(tǒng)判據(jù)所依賴的量子態(tài)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。
責任編輯:付琳
查看心情排行你看到此篇文章的感受是:
版權聲明:
1.凡本網(wǎng)注明“來源:駐馬店網(wǎng)”的所有作品,均為本網(wǎng)合法擁有版權或有權使用的作品,未經(jīng)本網(wǎng)書面授權不得轉(zhuǎn)載、摘編或利用其他方式使用上述作品。已經(jīng)本網(wǎng)授權使用作品的,應在授權范圍內(nèi)使用,并注明“來源:駐馬店網(wǎng)”。任何組織、平臺和個人,不得侵犯本網(wǎng)應有權益,否則,一經(jīng)發(fā)現(xiàn),本網(wǎng)將授權常年法律顧問予以追究侵權者的法律責任。
駐馬店日報報業(yè)集團法律顧問單位:上海市匯業(yè)(武漢)律師事務所
首席法律顧問:馮程斌律師
2.凡本網(wǎng)注明“來源:XXX(非駐馬店網(wǎng))”的作品,均轉(zhuǎn)載自其他媒體,轉(zhuǎn)載目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點和對其真實性負責。如其他個人、媒體、網(wǎng)站、團體從本網(wǎng)下載使用,必須保留本網(wǎng)站注明的“稿件來源”,并自負相關法律責任,否則本網(wǎng)將追究其相關法律責任。
3.如果您發(fā)現(xiàn)本網(wǎng)站上有侵犯您的知識產(chǎn)權的作品,請與我們?nèi)〉寐?lián)系,我們會及時修改或刪除。