凤凰联盟彩票

凤凰联盟彩票

当前位置: 凤凰联盟彩票 > 体育 > 首次利用人工智能实现多重量子关联的同时分类

首次利用人工智能实现多重量子关联的同时分类

时间:2019-11-10 22:34来源: 作者:admin 点击: 2 次
科技日报记者吴长锋记者从中国科大获悉,该校郭光灿院士团队李传锋、许金时等与国内同行合作,将机器学习技术应用于研究量子力学基础问题,首次实验实现了基于机器学习算法的多重非经典关联的同时分类。该成果日前发表在国际物理学权威期刊《物理评论快报》

科技日报记者 吴长锋

记者从中国科大获悉,该校郭光灿院士团队李传锋、许金时等与国内同行合作,将机器学习技术应用于研究量子力学基础问题,首次实验实现了基于机器学习算法的多重非经典关联的同时分类。该成果日前发表在国际物理学权威期刊《物理评论快报》上。

非经典关联分类实验装置图

爱因斯坦、波多尔斯基和罗森等质疑量子力学完备性,后来被称为EPR佯谬。随着对EPR佯谬的深入研究,人们逐渐理解爱因斯坦所指的“幽灵般的超距作用”来源于量子世界的非定域关联,并且它还可以进一步细分为量子纠缠、量子导引和贝尔非定域性等层次。各种不同的量子关联已经成为量子信息领域的关键资源,并扮演着重要的角色。

然而,刻画任意给定的一个量子态中的非经典关联仍存在巨大挑战。首先是其计算极其复杂。其次是实验上数据采集时间随着系统粒子增加会数指数增加。最后,人们并不清楚是否存在一个统一的框架,可以通过相同的测量或可观测量的集合,实现所有这些非经典关联的同时区分。

机器学习可通过一系列的训练数据,得到一个可输出预测结果的函数或模型。科研人员将机器学习技术应用于非经典关联的区分,首次实验实现了多重量子关联的同时分类。通过巧妙的实验设计,在光学系统中制备出一簇参数可调的两比特量子态。通过只输入量子态的部分信息,利用神经网络、支持向量机以及决策树等机器学习模型对455个量子态的非经典关联属性进行学习,成功地实现了多重非经典关联分类器。

实验结果表明,基于机器学习算法的分类器能以大于90%的高匹配度同时识别量子纠缠、量子导引和贝尔非定域性等不同的量子关联属性,且无论在资源消耗还是时间复杂度上,都远小于传统判据所依赖的量子态层析方法。

该成果推动了人工智能与量子信息技术的深度交叉。未来,机器学习作为一种有效的分析工具,将有助于解决更多量子科学难题。

(责任编辑:)
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名:
发布者资料
查看详细资料 发送留言 加为好友 用户等级: 注册时间:2019-11-13 03:11 最后登录:2019-11-13 03:11