机器学习被证明可用于重构量子系统 解决量子研究千年难题

　　近日，科学家通过实验证明，基于少量的数据，机器学习可以重建量子系统。这个方法使得科学家能够在数小时之内完成之前数千年都没有解决的问题。

　　电子等粒子系统能以许多不同的组合存在，每种系统都有特定的出现概率。在量子领域，未被观察的系统并不以任何一种组合存在，而被认为是所有可能的组合，这种系统就像是薛定谔的猫，当科学家对其进行测量之时，整个系统就坍塌成特定的组成形式。

　　因而，量子系统的这一特性就表明，科学家无法通过一次实验就观察到整个系统的复杂特性，而是要经过一次又一次的测量来不断研究分析，直到能够确定整个系统的状态。

　　但是这一过程中，随着量子系统中使用的量子数增加，系统的复杂度将会以指数倍增长，如，每个电子拥有向上或向下的自旋，5电子系统拥有32种可能的组合;100个电子系统则拥有2的100次方种组合。此外，量子纠缠也会加深量子系统的复杂程度，因此传统方法力不从心。

　　在最新的这项研究中，美国纽约计算量子物理中心副研究员朱塞佩·卡莱奥及加拿大科学家，利用机器学习技术规避了这些限制。他们将量子系统的实验测量结果提供给基于人工神经网络的软件工具，软件会学习并尝试模仿系统的行为，一旦软件获取足够多的数据，它可以准确地重建完整的量子系统。

　　研究人员使用基于不同量子系统的模拟实验数据集对软件进行了测试。结果显示，该软件远超传统方法，新技术也可处理更大的系统，还能帮助科学家验证量子计算机是否正确设置，量子软件是否按预期运行等。

　　未来，该研究将会极大的推动量子计算机的研究和发展。