據(jù)了解，近日，上海交通大學(xué)金賢敏研究團隊在人工智能與量子信息技術(shù)交叉領(lǐng)域取得重要突破。金賢敏研究團隊與南方科技大學(xué)翁文康教授合作，首次將機器學(xué)習(xí)技術(shù)應(yīng)用于解決量子信息難題，實驗實現(xiàn)了基于人工神經(jīng)網(wǎng)絡(luò)的量子態(tài)分類器。成果以「Experimental Machine Learning of Quantum States」為題刊發(fā)在國際物理學(xué)權(quán)威期刊《物理評論快報》上。

 

 

將傳統(tǒng)的量子力學(xué)貝爾不等式對應(yīng)到人工神經(jīng)網(wǎng)絡(luò)，實現(xiàn)量子態(tài)分類器據(jù)介紹，目前學(xué)術(shù)界對量子機器學(xué)習(xí)這一交叉領(lǐng)域包括兩方面研究：一方面是利用量子力學(xué)的相干疊加或者糾纏等特性，構(gòu)建能有實現(xiàn)加速的量子機器學(xué)習(xí)算法，如量子版本的 PCA 和 SVM 算法，以及能有效解決線性方程組求解的 HHL 算法等;另一方面，經(jīng)典人工智能算法作為一種研究工具，能提供有效的信息提取和分類，如果可以建立起物理難題到人工智能算法的映射，就能夠有效解決這些問題，目前已在理論上成功用于研究相變、多體物理等問題，但由于調(diào)控技術(shù)限制，罕有實驗方面的研究。

2017 年，翁文康教授提出一種全新的理論模型 [arXiv: 1705.00813 (2017)]，將量子力學(xué)中貝爾不等式測量參數(shù)對應(yīng)到人工智能網(wǎng)絡(luò)，成功簡化了傳統(tǒng)上被認(rèn)為是一項資源消耗度相當(dāng)高的量子態(tài)分類問題。

 

 

量子態(tài)分類器實驗裝置上海交通大學(xué)金賢敏研究團隊利用時間混態(tài)技術(shù)成功在實驗上演示了量子態(tài)分類器，實驗證明無論在判別閾值和性能上，人工智能的量子態(tài)分類器均遠(yuǎn)優(yōu)于貝爾不等式檢驗的方法，研究團隊在實驗中分別各制備了超過 1000 種量子態(tài)用于分類器的訓(xùn)練和檢驗，分類器能夠以 99.7% 的高匹配度識別出不同類別的量子態(tài)，分析出不同類糾纏的動態(tài)邊界。

不同于以往單純從理論上對量子機器學(xué)習(xí)的研究，研究團隊發(fā)現(xiàn)通過實驗中真實獲得的數(shù)據(jù)來訓(xùn)練量子態(tài)分類器，其識別匹配度優(yōu)于單純使用計算機生成數(shù)據(jù)進(jìn)行訓(xùn)練的量子態(tài)分類器。這說明機器學(xué)習(xí)的過程必須考慮到真實的實驗環(huán)境和噪聲，對學(xué)習(xí)優(yōu)化的參數(shù)進(jìn)行適當(dāng)調(diào)整，并發(fā)現(xiàn)僅僅從理論上去研究量子機器學(xué)習(xí)是有其局限性的，需要更多地從實驗上考察量子機器學(xué)習(xí)的表現(xiàn)和效率。通過一個簡單的實例就能明白：對于一個汽車圖像識別的機器學(xué)習(xí)程序，如果僅僅用計算機生成的建模去用作訓(xùn)練集，當(dāng)遇到不同天氣、不同光照條件下的真實汽車圖片時，其識別率必然會受到影響，只有用完全真實環(huán)境下的數(shù)據(jù)來作為訓(xùn)練集，才能更真實地反映出問題本質(zhì)，從而更好地面向?qū)嵱没�進(jìn)程。

這項研究首次從實驗上演示了機器學(xué)習(xí)算法用于解決量子信息難題，標(biāo)志著機器學(xué)習(xí)與量子信息的深度交叉，以及向發(fā)展各種衍生技術(shù)邁出了重要一步�？梢灶A(yù)期，未來機器學(xué)習(xí)作為一種全新的工具，能夠有助于解決更多的物理難題，同時這類研究也能加深人類對機器學(xué)習(xí)機制的理解，催生出更多的人工智能框架與結(jié)構(gòu)。

 

 

實驗對比線性優(yōu)化與非線性優(yōu)化的量子態(tài)識別結(jié)果，帶有隱藏層的神經(jīng)網(wǎng)絡(luò)能正確地預(yù)測不同類糾纏的動態(tài)邊界金賢敏研究團隊一直致力于量子信息技術(shù)研究，2017 年實現(xiàn)了國際上首個海水量子通信實驗，首次實驗上有力驗證水下及空海一體量子通信的可行性。不久之前，研究團隊在美國《科學(xué)》子刊《科學(xué)進(jìn)展》上報道了世界最大規(guī)模光量子計算芯片，并演示了首個真正空間二維的隨機行走量子計算。

文章鏈接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.120.240501

標(biāo)簽： https 通信 網(wǎng)絡(luò) 信息技術(shù)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。