加州理工学院领导的一项新研究发表在《科学》杂志上，描述了在经典计算机上运行的机器学习工具如何用于预测量子系统，从而帮助研究人员解决一些最棘手的物理和化学问题。虽然这个概念之前已经提出，但新报告是第一个在数学上证明该方法适用于传统算法无法解决的问题。
“量子计算机是解决许多类型的物理和材料科学问题的理想选择，”主要作者Hsin-Yuan(Robert)Huang说，他是与JohnPreskill、理论物理学教授RichardP.Feynman和AllenVCDavis合作的研究生。以及量子科学与技术研究所(IQIM)的LenabelleDavis领导主席。“但我们还没有完全做到这一点，并且惊讶地发现可以同时使用经典的机器学习方法。最终，这篇论文展示了人类可以从物理世界中学到什么。”
在微观层面上，物理世界变成了一个受量子物理定律支配的极其复杂的地方。在这个领域中，粒子可以以叠加态存在，也可以同时以两种态存在。状态的叠加会导致纠缠，这是一种粒子连接或相关的现象，甚至没有相互接触。这些奇怪的状态和联系广泛存在于天然和人造材料中，很难用数学来描述。
“预测材料的低能状态非常困难，”黄说。“有大量的原子，叠加和纠缠在一起。你无法写下一个方程式来描述这一切。”
这项新研究首次证明了经典机器学习可用于弥合我们与量子世界之间的鸿沟。机器学习是一种模仿人脑从数据中学习的计算机应用程序。
“我们是生活在量子世界中的经典生物，”Preskill说。“我们的大脑和计算机是经典的，这限制了我们与量子现实互动和理解的能力。”
虽然之前的研究表明机器学习模型有能力解决一些量子问题，但这些方法的运行方式通常使研究人员难以了解机器是如何得出解决方案的。
“通常，当谈到机器学习时，你不知道机器是如何解决问题的。这是一个黑匣子，”黄说。“但现在我们已经通过我们的数学分析和数值模拟，基本上弄清楚了盒子里发生了什么。”Huang和他的同事与加州理工学院的AWS量子计算中心合作进行了广泛的数值模拟，这证实了他们的理论结果。
这项新研究将帮助科学家更好地理解和分类量子物质的复杂和奇异相。
“令人担心的是，在实验室中创造新量子态的人可能无法理解它们，”Preskill解释说。“但现在我们可以获得合理的经典数据来解释发生了什么。经典机器不只是像神谕一样给我们答案，而是引导我们更深入地理解。”
合著者、NIST(美国国家标准与技术研究院)物理学家、加州理工学院前杜布里奇奖博士后学者VictorV.Albert对此表示赞同。“这项工作最让我兴奋的部分是，我们现在更接近一种工具，它可以帮助你了解量子态的潜在阶段，而无需你提前非常了解该状态。”
科学家们说，最终，当然，未来基于量子的机器学习工具将胜过经典方法。在2022年6月10日发表在《科学》杂志上的一项相关研究中，Huang、Preskill及其合作者报告说，他们使用谷歌的Sycamore处理器(一种基本的量子计算机)来证明量子机器学习优于经典方法。
“我们仍处于这一领域的起步阶段，”黄说。“但我们确实知道，量子机器学习最终将是最有效的。”
由惠特尼克莱文撰写
