2022年芯片龙头股排名前十的神经网络之翼轻拂量子系统让我们踏上前所未有的模拟之旅
雷锋网独家：量子计算与人工智能并行，科学家们突破性发明新方法模拟开放量子系统
在2022年芯片龙头股排名前十的风潮中，一场关于未来科技前沿的革命正在悄然展开。AI和量子计算，这两项前沿研究，虽然各自拥有其独特魅力，但它们之间却存在着微妙而又深刻的联系。在这场探索未知领域的大戏中，一种基于神经网络的前所未有的模拟方法已经被开发出来，它将是解决量子科学和量子信息领域多个突出问题的关键。
这一突破性的方法由EPFL、法国、英国和美国的物理学家独立研发，并于《物理评论快报》上发表。这一技术不仅能够模拟多功能开放量子系统，而且具有前所未有的创新性。它通过神经网络来表示这些系统，可以预测不同大小和任意几何形状下的性质。
自然界中的每一个角落都受到了量子的影响，从光到声，从热到台球桌上的球轨迹，都能用量子的语言去解释。但当我们面对由许多粒子组成的大型相互作用时，量子的规则就变得复杂起来。为了理解这样的系统，我们需要先能够模拟它们，这通常需要超级计算机来描述其内部工作方式。不过，即便摩尔定律不断推动计算能力向更高水平发展，这对于应对那些要求指数增长才能满足的问题仍然显得远远不够。
根据Vincenzo Savona教授，在EPFL负责Laboratory of Theoretical Physics of Nanosystems，他说：“当一个数量庞大的粒子的系统开放时，其情况变得更加复杂，因为它会受到周围环境干扰。”然而，要有效地模拟这些打开状态下的系统一直是一个挑战，因为大部分现代实验平台都是开放类型，而物理学家正寻求新的工具来模拟和测试它们。
然而，采用神经网络进行这种模拟已取得了重大进展。这项技术由Savona及其博士生Alexandra Nagy在EPFL开发，并与巴黎狄德罗大学、爱丁堡赫瑞瓦特大学以及纽约Flatiron研究所合作。此文正在《物理评论快报》的三篇论文中发表，其中包含了他们关于如何结合神经网络与现有蒙特卡洛工具以研究复杂数量级体现出的巨大潜力的见解。
“我们基本上将神经网络和机器学习进步与传统蒙特卡洛工具相结合，”Savona如是说。他指的是用于研究大量粒子的复杂行为的大型计算方法集套装。科学家们训练了一个神经网络，以同时代表这些环境影响可以投射给其内部态的一系列不同的状态形式。
利用这个新颖的算法，物理学家可以预测各种尺寸及任何几何形状下的性能。“这是解决开放式质量问题的一个全新的方法，有着多功能性且扩展潜力，”Savona补充道。他认为，该算法将成为研究复杂体系首选工具，也许还能揭示更多未来使用噪音评估硬件效率方面的事宜。
该研究文章名为《Variational Quantum Monte Carlo Method with a Neural-Network Ansatz for Open Quantum Systems》，摘要如下：
“对于具有大量自由度（d.o.f.）的多体开放质点体系来说，他们非平衡稳态之属性之可能性，是解决若干本质难题之必要条件。这一任务带来的挑战，在于密度矩阵之随规模增长呈指数增加。在这里，我们提出了一种变分策略，以有效地演绎基于变分蒙特卡罗方法及密度矩阵表示者的人工智能马尔可夫过程张量模型外观化开拓态势别一般非平衡静态。我凭借构建二维耗散过程以检验此策略有效性的例证。”
雷锋网编译，via EPFL, APS
