機器學習被證明可用于重構量子系統 解決量子研究千年難題

　　近日，科學家通過實驗證明，基于少量的數據，機器學習可以重建量子系統。這個方法使得科學家能夠在數小時之內完成之前數千年都沒有解決的問題。

　　電子等粒子系統能以許多不同的組合存在，每種系統都有特定的出現概率。在量子領域，未被觀察的系統并不以任何一種組合存在，而被認為是所有可能的組合，這種系統就像是薛定諤的貓，當科學家對其進行測量之時，整個系統就坍塌成特定的組成形式。

　　因而，量子系統的這一特性就表明，科學家無法通過一次實驗就觀察到整個系統的復雜特性，而是要經過一次又一次的測量來不斷研究分析，直到能夠確定整個系統的狀態。

　　但是這一過程中，隨著量子系統中使用的量子數增加，系統的復雜度將會以指數倍增長，如，每個電子擁有向上或向下的自旋，5電子系統擁有32種可能的組合;100個電子系統則擁有2的100次方種組合。此外，量子糾纏也會加深量子系統的復雜程度，因此傳統方法力不從心。

　　在最新的這項研究中，美國紐約計算量子物理中心副研究員朱塞佩·卡萊奧及加拿大科學家，利用機器學習技術規避了這些限制。他們將量子系統的實驗測量結果提供給基于人工神經網絡的軟件工具，軟件會學習并嘗試模仿系統的行為，一旦軟件獲取足夠多的數據，它可以準確地重建完整的量子系統。

　　研究人員使用基于不同量子系統的模擬實驗數據集對軟件進行了測試。結果顯示，該軟件遠超傳統方法，新技術也可處理更大的系統，還能幫助科學家驗證量子計算機是否正確設置，量子軟件是否按預期運行等。

　　未來，該研究將會極大的推動量子計算機的研究和發展。