用于训练自动驾驶汽车和象棋游戏计算机的技术如今在帮助物理学家们探索复杂的量子世界。物理学家首次证明，机器学习可以以较少的实验测量来重构量子系统，这将使科学家们以传统方法指数倍的速度完整地探索粒子系统。按照以前的方法，可能需要数千年才能完成对复杂量子系统的重建，而今数小时内便能完成该系统的分析。该研究将惠及量子计算机以及其他量子力学应用的开发，研究人员将这一成果发表于2月26日的《自然物理》杂志。
论文合著者之一、来自美国纽约Flatiron 研究所计算量子物理中心的副研究科学家 Giuseppe Carleo表示：“我们已经表明机器智能能以紧凑的方式抓住量子系统的本质。我们现在可以有效地扩展实验容量。”他在苏黎世联邦理工学院任讲师时受到AlphaGo的启发而进行了这项实验。
Carleo和同事，以及来自加拿大滑铁卢大学和Perimeter研究所的Giacomo Torla，将量子系统的实验测量结果反馈到基于人工神经网络的软件工具中。这些软件随着时间推移而进行学习，尝试模仿系统行为。一旦软件获得足够数据，将精准地重构整个量子系统。
基于不同的样本量子系统的模拟实验数据集，研究人员对该软件进行了测试。测试中，软件远远超越了传统方法。对于8个电子来说，每一个都可以向上或向下旋转，软件能通过约100次测量就精准重构系统。反之，传统的穷举法需要约1百万次的测量，才能达到同样的精准程度。这种新技术也可用于处理更大型的系统。科学家们表示，这个能力也可以帮助科学家验证量子计算机是否正确配置，以及量子软件是否按照要求运行。
利用这种紧凑的人工神经网络抓住复杂量子系统的本质影响意义深远。纽约Flatiron 研究所计算量子物理中心的联合主任Andrew Millis表示，该方法提供了一种重要的新途径，有利于中心继续开发用于理解量子系统交互行为的新方案，并联系其他受量子物理启发的机器学习方案的工作。
除基础研究方面的应用，Carleo表示，在将机器学习与量子力学的理念融合时学到的知识也将帮助改善人工智能在多个方面的应用。他说：“我们可将在这里开发的方法应用于其他场景。将来有一天，我们也许将拥有受量子力学启发的无人驾驶汽车。”
科界原创
编译：Tracy 审稿：三水 编辑：程建兰
来源：https://phys.org/news/2018-02-artificial-intelligence-techniques-reconstruct-mysteries.html
