史上首次！科學家利用人工智慧重構量子系統
背景
人工智慧，是時下非常熱門的前沿科技領域之一，發展潛力十分巨大。
目前，我們最熟悉的人工智慧應用有：訓練無人駕駛汽車和圍棋人工智慧程序（AlphaGo）。除此之外，人工智慧的應用還有很多，在之前的文章中，筆者也介紹過一些比較新穎的人工智慧應用案例。
1）位於美國洛杉磯的一家創業公司開發的人工智慧「ebo box」 ，會通過深度學習演算法，分析市場數據，為你挑選完美的禮物，使你免去了費時費力挑選禮品之苦。
（圖片來源：ebo-box）
2）美國麻省理工學院發明了一種將人工智慧與可穿戴技術相結合的系統，它能夠基於個人的言語方式和生命體征，判斷出談話是愉快的、悲傷的或是中性的。
（圖片來源於：MIT）
3）美國紐約大學的科研團隊使用人工智慧機器學習演算法，開發出一種鑒別假貨的新系統。
（圖片來源：Entrupy Inc.）
4）美國華盛頓大學研究人員開發出首個智能手機應用程序，通過將智能手機與人工智慧相結合，可以實現隨時隨地檢測腦震蕩和腦損傷。
（圖片來源：Dennis Wise / 華盛頓大學）
5）美國斯坦福大學研究人員採用人工智慧方法，從眾多候選材料中，找到了約21個固體電解質材料用於開發更加安全的固體鋰電池。未來，它有望取代易燃的液體電解質，在智能手機、平板電腦以及其他電子設備中使用。
創新
今天，我要為大家介紹有關人工智慧的一個新應用，它在「量子物理」和「人工智慧」兩個看似不相關的前沿科技領域之間架起了橋樑，通過人工智慧方法幫助物理學家們探索複雜的量子世界。
史上首次，科學家們採用機器學習重構了基於相對較少的實驗測量的量子系統。該方法將使科學家們可以完整地探索粒子系統，並且速度是傳統的窮舉法的指數倍。之前的方法要用幾千年時間才能重構複雜的量子系統，而現在的方法只需大概幾個小時就可以全部分析完。
（圖片來源：Giuseppe Carleo / Flatiron 研究所）
這項研究將惠及量子計算機以及其他量子力學應用的開發，研究人員將這一成果發表於2月26日的《自然物理（Nature Physics）》雜誌。
論文合著者之一、位於紐約市的 Flatiron 研究所計算量子物理中心的副研究科學家 Giuseppe Carleo 表示：「我們展示了，機器智能通過一種緊湊的方式，抓住量子系統的本質。我們現在可以有效地擴展實驗容量。」
技術
Carleo 在瑞士蘇黎世聯邦理工學院（ETH Zurich）做講師時，就進行了相關研究，當時他受到了 AlphaGo 的啟發，這一計算機程序於2016年使用機器學習擊敗了圍棋世界冠軍。他說：「AlphaGo 讓人印象非常深刻，所以我們開始問自己，我們是否將這些理念用於量子物理？」
粒子（例如電子）組成的系統，能以許多不同的狀態存在，每種狀態都代表一種特殊可能性的產生。例如，每個電子既可向上自旋，也可向下自旋。對於這一點，我們可以用著名的思想實驗「薛定諤的貓」來類比，這隻貓既可以是死的，也可以是活的，它處於生和死的疊加態。在量子領域，未經觀察的系統一直保持著不確定性，它不會以這些狀態中的某一個確定狀態存在。相反，系統被認為可以同時具有這些可能性。
（圖片來源：維基百科）
一旦經過測量，系統就會「坍塌」成一個特定的狀態。打個比方，當你打開盒子的時候，薛定諤的貓要麼是死的，要麼是活的，一切變得確定。在量子力學中，這種「奇事」表示，你將無法在單個實驗中觀察到整個系統的複雜性。相反，實驗主義者會反覆進行同樣的實驗，直到他們可以判斷出整個系統的狀態。
對於只有幾個粒子的簡單系統，這個方法很管用。但是，Carleo 表示：「在許多粒子的情況下，事情就變得複雜了。」隨著粒子數量增加，複雜性也在猛增。如果只考慮每個電子向上自旋或者向下自旋，那麼含有5個電子的系統就會有32種狀態。含有100個電子的系統含有的狀態，將會是一個非常巨大的天文數字（2的100次方）。
粒子糾纏讓事情變得更加複雜。經過量子糾纏，獨立的粒子變得糾纏在一起，即使它們在物理上處於分離狀態，也不能夠再以純粹分離的個體來對待它們。這種糾纏改變了不同狀態的可能性。
因此，對於複雜的量子系統來說，傳統方法不可行。
加拿大滑鐵盧大學和 Perimeter 研究所的 Giacomo Torlai、Carleo 等研究人員，通過機器學習技術，避開了這些限制因素。研究人員將量子系統的實驗測量結果，反饋到基於人工神經網路的軟體工具中。這些軟體隨著時間推移而進行學習，嘗試模仿系統的行為。一旦軟體獲取到足夠的數據，它將精準地重構整個量子系統。
（圖片來源：參考資料【2】）
價值
研究人員採用基於不同的簡單量子系統的 mock 實驗數據集，測試該軟體。這些測試表明，軟體遠遠超越了傳統方法。對於8個電子來說，每一個都可以向上自旋或者向下自旋，軟體能夠僅僅通過約100次測量，就精準地重構了系統。作為對比，傳統的窮舉法需要約1百萬次的測量，才能達到同樣的精準程度。這種新技術也可以用於處理更大型的系統。科學家們表示，這個能力也可以相應地幫助科學家驗證量子計算機是否正確配置，以及量子軟體是否按照要求運行。
利用這種緊湊的人工神經網路抓住複雜量子系統的本質，還有其他意義深遠的影響。計算量子物理中心的聯合主任 Andrew Millis 表示，這個方法提供了一種重要的新途徑，有利於中心繼續開發用於理解量子系統交互行為的新方案，並聯繫其他受量子物理啟發的機器學習方案的工作。
除了基礎研究方面的應用，Carleo 表示，在將機器學習與量子力學的理念融合時，他們學到的知識，也將幫助改善人工智慧在多個方面的應用。他說：「我們將在其他場景中使用我們在這裡開發的方法。將來有一天，我們也許將擁有受量子力學啟發的無人駕駛汽車。」
關鍵字
量子技術、人工智慧、軟體
參考資料
【1】https://www.simonsfoundation.org/2018/02/26/machine-learning-quantum-systems/
※新型摩擦電納米發電機：可利用人體運動能量實現無線供電！
※太赫茲技術專題
TAG:IntelligentThings |