人工智能技術(shù)首次實(shí)現(xiàn)多重量子關(guān)聯(lián)的同時(shí)分類

（文章來源：科技日?qǐng)?bào)）

從中國科學(xué)技術(shù)大學(xué)獲悉，該校郭光燦院士團(tuán)隊(duì)成員李傳鋒、許金時(shí)等與國內(nèi)同行合作，將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于研究量子力學(xué)基礎(chǔ)問題，首次實(shí)驗(yàn)實(shí)現(xiàn)了基于機(jī)器學(xué)習(xí)算法的多重非經(jīng)典關(guān)聯(lián)的同時(shí)分類。該成果日前發(fā)表在國際物理學(xué)權(quán)威期刊《物理評(píng)論快報(bào)》上。

愛因斯坦、波多爾斯基和羅森等人質(zhì)疑量子力學(xué)完備性，后來被稱為EPR佯謬。隨著對(duì)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(guān)聯(lián)，并且它還可以進(jìn)一步細(xì)分為量子糾纏、量子導(dǎo)引和貝爾非定域性等層次。各種不同的量子關(guān)聯(lián)已經(jīng)成為量子信息領(lǐng)域的關(guān)鍵資源，并扮演著重要的角色。

然而，刻畫任意給定的一個(gè)量子態(tài)中的非經(jīng)典關(guān)聯(lián)仍存在巨大挑戰(zhàn)。首先是其計(jì)算極其復(fù)雜。其次是實(shí)驗(yàn)上數(shù)據(jù)采集時(shí)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(gè)統(tǒng)一的框架，可以通過相同的測量或可觀測量的集合，實(shí)現(xiàn)所有這些非經(jīng)典關(guān)聯(lián)的同時(shí)區(qū)分。

機(jī)器學(xué)習(xí)可通過一系列的訓(xùn)練數(shù)據(jù)，得到一個(gè)可輸出預(yù)測結(jié)果的函數(shù)或模型。通過巧妙的實(shí)驗(yàn)設(shè)計(jì)，在光學(xué)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(luò)、支持向量機(jī)以及決策樹等機(jī)器學(xué)習(xí)模型對(duì)455個(gè)量子態(tài)的非經(jīng)典關(guān)聯(lián)屬性進(jìn)行學(xué)習(xí)，成功地實(shí)現(xiàn)了多重非經(jīng)典關(guān)聯(lián)分類器。

實(shí)驗(yàn)結(jié)果表明，基于機(jī)器學(xué)習(xí)算法的分類器能以大于90%的高匹配度同時(shí)識(shí)別量子糾纏、量子導(dǎo)引和貝爾非定域性等不同的量子關(guān)聯(lián)屬性，且無論在資源消耗還是時(shí)間復(fù)雜度上，都遠(yuǎn)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(dòng)了人工智能與量子信息技術(shù)的深度交叉。未來，機(jī)器學(xué)習(xí)作為一種有效的分析工具，將有助于解決更多量子科學(xué)難題。