━━━━
近日，中國科學技術大學李傳鋒團隊將機器學習技術應用于研究量子力學基礎問題，首次實驗實現(xiàn)了基于機器學習算法的多重非經(jīng)典關聯(lián)的同時分類。還通過AI極大地提高了處理速度，最終可能為研發(fā)比目前快10億倍、1萬億倍的超級計算機鋪平道路。
人工智能將極大提高處理速度，徹底改變量子研究，并最終可能為研發(fā)比現(xiàn)有技術快10億倍、甚至1萬億倍的超級計算機鋪平道路。這是中國科學技術大學李傳峰量子研究團隊，最近發(fā)表在權(quán)威的國際物理雜志《物理評論快報》（Physical Review Letters）上的研究結(jié)果。該研究將機器學習技術應用于研究量子力學基礎問題，首次實驗實現(xiàn)了基于機器學習算法的多重非經(jīng)典關聯(lián)的同時分類。香港《南華早報》對此進行了報道。論文地址：
https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.123.190401計算亞原子量子領域中粒子之間的相關性質(zhì)與關系是一個耗時任務，而李傳峰團隊的研究通過機器學習技術大大節(jié)省這一耗時任務的計算時間。這項研究是中國科學技術大學李傳鋒、許金時等人與南方科技大學翁文康教授以及中科院重慶綠色智能技術研究院任昌亮研究員等人合作。該論文共同第一作者是中科院量子信息重點實驗室博士生楊木（實驗）和中科院重慶綠色智能技術研究院任昌亮研究員（理論）。李傳鋒研究領域為量子光學與量子信息，在搭建量子糾纏網(wǎng)絡及利用量子信息技術探索量子物理等方面取得了系列重要成果。目前，已發(fā)表SCI論文210余篇，其中以第一/通訊作者發(fā)表Nature子刊14篇，PRL24篇。此外，還是國家杰出青年科學基金獲得者(2013)，教育部長江學者特聘教授(2014)。━━━━
首次實驗性地實現(xiàn)了基于機器學習
算法的多個非經(jīng)典關聯(lián)的同時分類量子技術的力量來自與量子力學神秘力量聯(lián)系在一起的粒子。例如，量子糾纏是指粒子之間的相關性，無論粒子之間的距離如何，粒子之間的相關性都會使一個粒子的變化立即影響另一個粒子。這些相關粒子的行為構(gòu)成了量子信息處理的基礎。研究人員認為，這一點很重要，因為粒子之間的不同聯(lián)系使它們適合不同的任務。除了量子糾纏之外，粒子還可以通過量子導引（這種矛盾現(xiàn)象以“薛定諤的貓”最為人熟知）或貝爾非定域性（該概念稱在某些情況下粒子的性質(zhì)可以通過對其測量而改變）發(fā)生聯(lián)系。大多數(shù)量子設備——從用于超安全通信的密鑰分配網(wǎng)絡、超快量子計算機到用于隱形飛機探測的量子雷達系統(tǒng)——仍然極其不適用，因為現(xiàn)在確立粒子之間聯(lián)系的性質(zhì)需要大量處理時間。李傳峰團隊的研究表明，機器學習技術可以以前所未有的速度和準確性評估粒子之間關系的性質(zhì)。他們通過巧妙的實驗設計，在光學系統(tǒng)中制備出一簇參數(shù)可調(diào)的兩比特量子態(tài)。通過只輸入量子態(tài)的部分信息（兩個可觀測量的值），利用神經(jīng)網(wǎng)絡、支持向量機以及決策樹等機器學習模型對455個量子態(tài)的非經(jīng)典關聯(lián)屬性進行學習，成功地實現(xiàn)了多重非經(jīng)典關聯(lián)分類器。
圖1：非經(jīng)典關聯(lián)分類實驗裝置圖實驗結(jié)果表明，基于機器學習算法的分類器能以大于90%的高匹配度同時識別量子糾纏、量子導引和貝爾非定域性等不同的量子關聯(lián)屬性，而且無論在資源消耗還是時間復雜度上都遠小于傳統(tǒng)判據(jù)所依賴的量子態(tài)層析方法。“它的工作原理就像分離礦物。”李傳峰教授說，“AI能告訴我們礦石是否包含金、鐵或銅，因此我們可以利用它們來達到不同的目的，這在以前這是不可能做到的。”圖2：三種人工智能模型對非經(jīng)典關聯(lián)進行分類的工作原理示意圖，（a）神經(jīng)網(wǎng)絡，（b）支持向量機，（c）決策樹從用于超安全通信的密鑰分配網(wǎng)絡，超速量子計算機，到用于檢測隱形飛機的量子雷達系統(tǒng)，大多數(shù)量子設備仍然極其不適用，因為現(xiàn)在確立量子之間聯(lián)系的性質(zhì)需要大量處理時間。但目前為止，量子研究人員還必須測量一套完整的物理性質(zhì)，以確定粒子之間的關聯(lián)類型。這是一項艱巨且耗時的工作，并且當粒子數(shù)量增加時，工作量會呈指數(shù)增長。這種方法將大大增加量子信息處理的資源供給。“歸根結(jié)底，我們也許能夠分辨出這不是一塊金，但是這樣沒有辦法知道更多。”李教授解釋道。幾十年來，中科大的研究人員一直在進行量子實驗，并積累了大量數(shù)據(jù)。在此基礎上，李教授的團隊建立了一個數(shù)據(jù)集，包含400多對通過不同類型的連接精心挑選出來的粒子，連接類型包括量子糾纏、量子導引和貝爾非定域性。然后，研究人員利用這些數(shù)據(jù)集，并使用深度學習算法來訓練計算機，以測量粒子的物理性質(zhì)。人工智能現(xiàn)在可以達到高于90％的測量精度，并且計算時間大幅減少，過去花一個小時的計算現(xiàn)在可以在不到一秒鐘的時間內(nèi)完成。另外，不需要每個粒子的完整信息，機器即可進行評估。根據(jù)該論文，研究人員只需將兩種物理性質(zhì)的詳細信息輸入到機器中，然后就可以填補空白并對結(jié)果做出正確的估計。李傳峰說：“這種方法將大大增加用于量子信息處理的資源供應。”一些研究人員說，人工智能和量子計算的結(jié)合可能最終導致機器的智能等于或大于人類。 同時，重慶綠色智能技術研究院副研究員、論文作者之一的任昌亮認為，這一突破并不意味著人工智能比人腦對量子物理學的掌握要好。“我們標注數(shù)據(jù)、訓練機器、進行糾錯，AI是在人類的指導下完成計算的。”他說，“它并不比我們聰明。”與傳統(tǒng)方法相比，人工智能的另一個明顯優(yōu)勢是它可以更有效地處理多維問題，量子物理學中有很多維度。最后，該研究團隊表示，這不是研究的終點。該團隊正計劃用更大的數(shù)據(jù)集訓練機器，并且還在開發(fā)專門用于量子計算機的新人工智能技術，該技術預計會比目前最強大的超級計算機快1萬億倍。在此次研究前，谷歌在Nature發(fā)文實現(xiàn)“量子優(yōu)越性”，對此，中國量子計算團隊的負責人潘建偉教授認為，美國現(xiàn)在已經(jīng)超過了中國，但這“絕對不是終點”，而潘教授的團隊成員也表示，中國團隊仍然有希望實現(xiàn)量子至上，科學和技術的“圣杯”競賽才剛剛開始。對此，也有不同觀點認為中國相關研究起步較緩。有量子科學家稱，Google在13年前啟動了量子計算機程序，其他美國公司（例如IBM）也已經(jīng)進行了大量投資并建造了原型機，但中國直到最近才開始類似的工作。以上觀點，也有反駁聲音。就目前而言，可用的量子計算機還有很長的路要走，目前美國和中國的先進技術都沒有任何實際應用。“中美在量子計算機技術上的差距并不沒有那么大。”北京大學量子物理學教授吳飚就說道，“我們還沒有離開起跑線。如果有任何區(qū)別，那可能沒什么大不了，因為我們離任何實際的應用程序都還很遠。”期待量子研究突破立竿見影是不切實際的，可能迫使量子研究游走在科幻小說與現(xiàn)實之間如今，量子計算機產(chǎn)生的結(jié)果仍然可靠性仍然存疑。例如，Sycamore在進行20輪仿真后只能保證0.2％的精度。量子計算機中的粒子由于其脆弱的條件也容易受到周圍環(huán)境的影響。盡管筆記本電腦的中央處理器可以無故障運行數(shù)年，但Google量子芯片必須每隔幾微秒就停止一次。谷歌對其量子芯片的主張也受到了美國科學界一些人士的質(zhì)疑。例如，IBM已經(jīng)發(fā)布了一項研究，聲稱谷歌的量子模擬被夸大了，因為它可以在幾天之內(nèi)在經(jīng)典計算機上完成，即使不是更快。但是，量子計算機是人類科學技術的圣杯。它引起了政府，私人投資者和公眾的極大興趣。然而，對突破寄予立竿見影的厚望是不切實際的，并且可能迫使量子研究人員為尋求更多的資金和支持，“走在現(xiàn)實與科幻小說之間的狹窄道路上”。參考鏈接：
https://www.scmp.com/news/china/science/article/3038630/china-quantum-research-team-uses-ai-crack-processing-time
https://physics.ustc.edu.cn/2019/1112/c3588a404760/page.htmIEEE Spectrum
《科技縱覽》
官方微信公眾平臺
