對于量子多體物理中的一些現(xiàn)象，存在著幾種相互矛盾的理論。但是哪一個描述量子現(xiàn)象最好的呢？來自慕尼黑工業(yè)大學(TUM)和美國哈佛大學的一組研究人員已經(jīng)成功地將人工神經(jīng)網(wǎng)絡用于量子系統(tǒng)的圖像分析。

那是一只狗還是一只貓？這樣的分類是機器學習一個主要例子：人工神經(jīng)網(wǎng)絡可以通過尋找特定對象的特征來訓練分析圖像。

只要系統(tǒng)已經(jīng)學會了這種模式，它就能夠識別任何圖片上的貓或狗。利用同樣的原理，神經(jīng)網(wǎng)絡可以檢測組織在放射圖像上的變化。物理學家們現(xiàn)在使用這種方法來分析量子多體系統(tǒng)的圖像，即所謂的快照，并找出哪種理論能最好的描述觀測到的現(xiàn)象。研究固體和液體凝聚態(tài)物理學中的一些現(xiàn)象仍然籠罩在神秘之中。

概率的量子世界

到目前為止，高溫超導體的電阻在-200攝氏度左右降至零的原因仍然是個謎。理解這種異常的物質狀態(tài)是一項挑戰(zhàn)：基于超冷鋰原子的量子模擬器已經(jīng)被開發(fā)出來，用于研究高溫超導體物理學，拍攝量子系統(tǒng)的快照，而量子系統(tǒng)同時以不同的構型存在——物理學家們稱之為疊加。

量子系統(tǒng)的每個快照根據(jù)其量子力學概率給出一個特定的構型。為了理解這樣的量子系統(tǒng)，科學家建立了各種各樣的理論模型。但在多大程度上反映了現(xiàn)實？這個問題可以通過分析圖像數(shù)據(jù)來回答。

神經(jīng)網(wǎng)絡研究量子世界

為此，慕尼黑工業(yè)大學(Technical University of Munich)和哈佛大學(Harvard University)的一個研究團隊成功地運用了機器學習：研究人員訓練了一個人工神經(jīng)網(wǎng)絡來區(qū)分兩種相互競爭的理論。南通大學的博士生安娜貝爾·波爾特(Annabelle Bohrdt)說：就像在圖片中檢測貓或狗一樣，每種量子理論的構型圖像都被輸入到神經(jīng)網(wǎng)絡中。然后對網(wǎng)絡參數(shù)進行優(yōu)化，使每個圖像都有正確的標簽。

在這種情況下，它們只是理論A或理論B，而不是貓或狗。經(jīng)過理論數(shù)據(jù)的訓練階段后，神經(jīng)網(wǎng)絡必須將所學知識應用到量子模擬器中，并將快照分配到理論A或理論b中，從而選擇更具預測性的理論。在未來，研究人員計劃使用這種新方法來評估幾種理論描述的準確性。目的是了解高溫超導的主要物理效應，它有許多重要的應用，如無損輸電和高效磁共振成像等。

博科園｜研究/來自：慕尼黑技術大學

參考期刊《自然物理學》

DOI: 10.1038/s41567-019-0565-x

博科園｜科學、科技、科研、科普