人工智慧演算法幫助揭開量子系統的物理學基礎

廣告
廣告

來自布里斯托爾大學量子工程技術實驗室(QETLabs)的科學家們開發了一種演算法,為量子系統的基礎物理學提供了寶貴的見解:為量子計算和感測的重大進展鋪平了道路,並有可能翻開科學研究的新一頁。

Nitrogen-Vacancy-Center-Set-Up-scaled.jpg

在物理學中,粒子系統及其演變是由數學模型描述的,需要理論論證和實驗驗證的成功互動。更為複雜的是對粒子系統在量子力學水平上相互作用的描述,這通常是用哈密爾頓模型來完成的。由於量子態的性質,從觀測中制定哈密頓模型的過程變得更加困難,當試圖驗證它們時,它們通常就會崩潰。

在發表於《自然·物理學》的論文《從實驗中學習量子系統模型》中,來自布里斯托爾QET實驗室的量子力學專家描述了一種演算法,該演算法通過作為一個自主代理,使用機器學習來逆向設計哈密爾頓模型來克服這些挑戰。

該團隊開發了一個新的協議,為感興趣的量子系統制定和驗證近似模型。他們的演算法自主工作,在目標量子系統上設計和執行實驗,並將結果數據反饋給演算法。它提出了描述目標系統的候選哈密頓模型,並使用統計指標,即貝葉斯係數,對它們進行區分。

廣告
廣告

令人振奮的是,該團隊能夠在一個涉及鑽石缺陷中心的現實生活中的量子實驗中成功展示該演算法的能力,鑽石是一個經過充分研究的量子信息處理和量子感應平台。該演算法可用於幫助新設備的自動表徵,如量子感測器。因此,這一發展代表了量子技術發展的一個重大突破。

"結合當今超級計算機的力量和機器學習,我們能夠自動發現量子系統中的結構。隨著新的量子計算機/模擬器的出現,該演算法變得更加令人興奮:首先它可以幫助驗證設備本身的性能,然後利用這些設備來理解越來越大的計算系統,"布里斯托爾大學QETLabs和量子工程博士培訓中心的Brian Flynn說。

了解基礎物理學和描述量子系統的模型,有助於我們推進對適用於量子計算和量子感測的技術的認識,該研究的下一步是擴展該演算法,以探索更大的系統和不同類別的量子模型,代表不同的物理現象或基本結構。

廣告
廣告