帖子
勛章
關(guān)注
任務(wù)
科學(xué)家利用人工智能實(shí)現(xiàn)多重非經(jīng)典關(guān)聯(lián)的同時(shí)分類 1935年，愛(ài)因斯坦、波多爾斯基和羅森發(fā)表了著名的質(zhì)疑量子力學(xué)完備性的文章，后來(lái)被稱為EPR佯謬。隨著薛定諤和貝爾等眾多科學(xué)家對(duì)EPR佯謬的深入研究，人們逐漸理解愛(ài)因斯坦所指的“幽靈般的超距作用”來(lái)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(Quantum Entanglement)、量子導(dǎo)引(Quantum Steering)和貝爾非定域性(Bell Nonlocality)等層次。另一方面，隨著量子信息研究的興起，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，在量子計(jì)算、量子通信和量子精密測(cè)量等過(guò)程中扮演著重要的角色。 然而刻畫(huà)任意給定的一個(gè)量子態(tài)中的非經(jīng)典關(guān)聯(lián)仍然存在巨大挑戰(zhàn)。首先很多數(shù)學(xué)形式的判據(jù)對(duì)多體系統(tǒng)而言其計(jì)算極其復(fù)雜。其次已知的很多方法往往需要整個(gè)量子態(tài)的密度矩陣信息，從而實(shí)驗(yàn)上需要完整的量子態(tài)層析，其數(shù)據(jù)采集時(shí)間隨著系統(tǒng)粒子增加會(huì)指數(shù)增加。最后由于每種非經(jīng)典關(guān)聯(lián)都有各自不同的判據(jù)，人們并不清楚是否存在一個(gè)統(tǒng)一的框架可以通過(guò)相同的測(cè)量或可觀測(cè)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)是人工智能的一個(gè)重要的分支，通過(guò)一系列的訓(xùn)練數(shù)據(jù)來(lái)得到一個(gè)可輸出預(yù)測(cè)結(jié)果的函數(shù)或模型。李傳鋒、許金時(shí)等人將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于非經(jīng)典關(guān)聯(lián)的區(qū)分，首次實(shí)驗(yàn)實(shí)現(xiàn)了多重量子關(guān)聯(lián)的同時(shí)分類。他們通過(guò)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)的兩比特量子態(tài)。通過(guò)只輸入量子態(tài)的部分信息（兩個(gè)可觀測(cè)量的值），利用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)以及決策樹(shù)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，而且無(wú)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。 量子信息與人工智能的融合是當(dāng)前最熱門(mén)的研究方向之一，已經(jīng)取得很多重要進(jìn)展。這項(xiàng)工作在實(shí)驗(yàn)上將機(jī)器學(xué)習(xí)算法應(yīng)用于多重非經(jīng)典關(guān)聯(lián)的同時(shí)區(qū)分，推動(dòng)了人工智能與量子信息技術(shù)的深度交叉。未來(lái)，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。  圖1.非經(jīng)典關(guān)聯(lián)分類實(shí)驗(yàn)裝置圖  圖2.三種人工智能模型對(duì)非經(jīng)典關(guān)聯(lián)進(jìn)行分類的工作原理示意圖，（a）神經(jīng)網(wǎng)絡(luò)，（b）支持向量機(jī)，（c）決策樹(shù)。 |
