就像一张精密的芯片集成电路神经网络方法将量子系统的奥秘编织得既精巧又不凡不仅超越了传统半导体技术的局
雷锋网独家：量子计算与人工智能并行前行，科学家们开辟了一个全新的领域。尽管人工智能已经被广泛应用于我们的日常生活，但量子计算仍面临着诸多挑战。最近，一组国际科研人员独立开发了一种基于神经网络的模拟开放量子系统的方法，这将是解决量子科学和信息技术中几个突出的问题的关键。
这种利用神经网络进行计算的新方法能够模拟多功能的开放量子系统，这在科学史上是一个前所未有的重大发现。这项研究成果由欧洲物理实验室（EPFL）、法国、英国和美国的一线物理学家共同完成，并在《物理评论快报》上发表。
自然界中的每个角落都受到了量子力学定律的影响，从光到声再到热，甚至连台球桌上的球运动也遵循着这些定律。但当我们试图研究由大量相互作用粒子的系统时，预测这些行为变得异常复杂，因为它们违背直觉而且需要极高的计算能力。
为了更好地理解由许多粒体构成的大型量子系统，物理学家们必须首先能够模拟它们。这可以通过超级电脑来实现，但由于摩尔定律无法满足这一需求，因此我们迫切需要一种新的方法来解决这一问题。
理论物理实验室主任Vincenzo Savona教授指出：“当一个开放性的量子系统出现时，它会受到周围环境干扰，这使得整个情况更加复杂。”然而，要有效地模拟这样的开放性质，我们需要一款强大的工具，而这一直是我们所追求的事物。
幸运的是，一种采用神经网络模拟这些体系结构的新方法已经取得了显著进展。这项工作是Savona及其博士生Alexandra Nagy在EPFL合作完成，与巴黎狄德罗大学、爱丁堡大学和纽约Flatiron研究所等其他机构一起合作。此外，该研究正在《物理评论快报》的三篇论文中进行发表。
“我们结合了神经网络与机器学习，以及传统的大型蒙特卡洛工具，”Savona解释道，“这样做使得我们能够训练一个神经网络，同时表示很多不同的状态。”
这种基于神经网络的人工智能算法允许科学家们对各种大小和几何形状下的不同类型的心理特征进行预测。“这是一种创新的计算方法，它解决了以前无法处理的问题，并具有无限扩展潜力，”Savona说，“它将成为研究复杂性质的问题的一个重要工具。”
随着时间推移，这项技术还可能帮助评估噪声如何影响未来发展中的可靠性。在《Physical Review Letters》上发表的一篇题为《Variational Quantum Monte Carlo Method with a Neural-Network Ansatz for Open Quantum Systems》的文章中，他们详细描述了他们使用变分蒙特卡洛法和密度矩阵表示来模拟马尔科夫过程开关状态下非平衡稳态的情景。通过建模二维耗散流动，在格点模型上的自旋材料中测试该方法，他们展示了其有效性的可能性。
