據(jù)了解，近日，上海交通大學(xué)金賢敏研究團(tuán)隊(duì)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(tuán)隊(duì)與南方科技大學(xué)翁文康教授合作，首次將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于解決量子信息難題，實(shí)驗(yàn)實(shí)現(xiàn)了基于人工神經(jīng)網(wǎng)絡(luò)的量子態(tài)分類(lèi)器。成果以「Experimental Machine Learning of Quantum States」為題刊發(fā)在國(guó)際物理學(xué)權(quán)威期刊《物理評(píng)論快報(bào)》上。

 

 

將傳統(tǒng)的量子力學(xué)貝爾不等式對(duì)應(yīng)到人工神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)量子態(tài)分類(lèi)器據(jù)介紹，目前學(xué)術(shù)界對(duì)量子機(jī)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(shí)現(xiàn)加速的量子機(jī)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(xiàn)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(lèi)，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(wèn)題，目前已在理論上成功用于研究相變、多體物理等問(wèn)題，但由于調(diào)控技術(shù)限制，罕有實(shí)驗(yàn)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(cè)量參數(shù)對(duì)應(yīng)到人工智能網(wǎng)絡(luò)，成功簡(jiǎn)化了傳統(tǒng)上被認(rèn)為是一項(xiàng)資源消耗度相當(dāng)高的量子態(tài)分類(lèi)問(wèn)題。

 

 

量子態(tài)分類(lèi)器實(shí)驗(yàn)裝置上海交通大學(xué)金賢敏研究團(tuán)隊(duì)利用時(shí)間混態(tài)技術(shù)成功在實(shí)驗(yàn)上演示了量子態(tài)分類(lèi)器，實(shí)驗(yàn)證明無(wú)論在判別閾值和性能上，人工智能的量子態(tài)分類(lèi)器均遠(yuǎn)優(yōu)于貝爾不等式檢驗(yàn)的方法，研究團(tuán)隊(duì)在實(shí)驗(yàn)中分別各制備了超過(guò) 1000 種量子態(tài)用于分類(lèi)器的訓(xùn)練和檢驗(yàn)，分類(lèi)器能夠以 99.7% 的高匹配度識(shí)別出不同類(lèi)別的量子態(tài)，分析出不同類(lèi)糾纏的動(dòng)態(tài)邊界。

不同于以往單純從理論上對(duì)量子機(jī)器學(xué)習(xí)的研究，研究團(tuán)隊(duì)發(fā)現(xiàn)通過(guò)實(shí)驗(yàn)中真實(shí)獲得的數(shù)據(jù)來(lái)訓(xùn)練量子態(tài)分類(lèi)器，其識(shí)別匹配度優(yōu)于單純使用計(jì)算機(jī)生成數(shù)據(jù)進(jìn)行訓(xùn)練的量子態(tài)分類(lèi)器。這說(shuō)明機(jī)器學(xué)習(xí)的過(guò)程必須考慮到真實(shí)的實(shí)驗(yàn)環(huán)境和噪聲，對(duì)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(jī)器學(xué)習(xí)是有其局限性的，需要更多地從實(shí)驗(yàn)上考察量子機(jī)器學(xué)習(xí)的表現(xiàn)和效率。通過(guò)一個(gè)簡(jiǎn)單的實(shí)例就能明白：對(duì)于一個(gè)汽車(chē)圖像識(shí)別的機(jī)器學(xué)習(xí)程序，如果僅僅用計(jì)算機(jī)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(shí)汽車(chē)圖片時(shí)，其識(shí)別率必然會(huì)受到影響，只有用完全真實(shí)環(huán)境下的數(shù)據(jù)來(lái)作為訓(xùn)練集，才能更真實(shí)地反映出問(wèn)題本質(zhì)，從而更好地面向?qū)嵱没�進(jìn)程。

這項(xiàng)研究首次從實(shí)驗(yàn)上演示了機(jī)器學(xué)習(xí)算法用于解決量子信息難題，標(biāo)志著機(jī)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(lái)機(jī)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(shí)這類(lèi)研究也能加深人類(lèi)對(duì)機(jī)器學(xué)習(xí)機(jī)制的理解，催生出更多的人工智能框架與結(jié)構(gòu)。

 

 

實(shí)驗(yàn)對(duì)比線(xiàn)性?xún)?yōu)化與非線(xiàn)性?xún)?yōu)化的量子態(tài)識(shí)別結(jié)果，帶有隱藏層的神經(jīng)網(wǎng)絡(luò)能正確地預(yù)測(cè)不同類(lèi)糾纏的動(dòng)態(tài)邊界金賢敏研究團(tuán)隊(duì)一直致力于量子信息技術(shù)研究，2017 年實(shí)現(xiàn)了國(guó)際上首個(gè)海水量子通信實(shí)驗(yàn)，首次實(shí)驗(yàn)上有力驗(yàn)證水下及空海一體量子通信的可行性。不久之前，研究團(tuán)隊(duì)在美國(guó)《科學(xué)》子刊《科學(xué)進(jìn)展》上報(bào)道了世界最大規(guī)模光量子計(jì)算芯片，并演示了首個(gè)真正空間二維的隨機(jī)行走量子計(jì)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(qǐng)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(diǎn)！
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(qǐng)與原作者聯(lián)系。