人工智能首次实现 多重量子关联的同时分类

  • 时间:
  • 浏览:1
  • 来源:大发3分彩_腾讯分分彩计划软件

调查难题加载中,请稍候。

若长时间无响应,请刷新本页面

  记者近日从中国科学技术大学获悉,该校郭光灿院士团队成员李传锋、许金时等与国内同行公司战略合作 ,将机器学习技术应用于研究量子力学基础难题,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下午英语 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。

  爱因斯坦、波多尔斯基和罗森等人质疑量子力学完备性,以后被称为EPR佯谬。随着对EPR佯谬的深入研究,亲戚亲戚亲戚朋友逐渐理解爱因斯坦所指的“暗影般的超距作用”来源于量子世界的非定域关联,以后 它还可不并能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可能成为量子信息领域的关键资源,并扮演着重要的角色。

  然而,刻画任意给定的有一四个量子态中的非经典关联仍处于巨大挑战。首先是其计算极其错综复杂。其次是实验上数据收集时间随着系统粒子增加呈指数增加。最后,亲戚亲戚亲戚朋友何必 清楚有无处于有一四个统一的框架,可不并能通过相同的测量或可观测量的集合,实现所有许多非经典关联的并肩区分。

  机器学习可通过一系列的训练数据,得到有一四个可输出预测结果的函数或模型。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2比特量子态。通过只输入量子态的主次信息,利用神经网络、支持向量机以及决策树等机器学习模型对45四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%的高匹配度并肩识别量子纠缠、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错综复杂度上,都远小于传统判据所依赖的量子态层析最好的土办法。

  该成果推动了人工智能与量子信息技术的角度交叉。未来,机器学习作为有一种有效的分析工具,将利于正确处理更少许子科学难题。(记者吴长锋)

[ 责编:赵宇豪 ]

阅读剩余全文(