原標題：開放光量子行走的高效機器學習成功實現
記者19日從中國科學技術大學獲悉，該校郭光燦院士團隊在光量子行走領域取得重大突破。他們利用人工神經網絡作為開放系統中混合量子態的有效擬設，并通過提高神經網絡的訓練效率，在具有內稟高維結構的開放光量子行走系統中，首次實現了高保真度混合量子態重構。相關成果日前發表在國際學術期刊《科學·進展》上。
量子行走在量子模擬和量子計算中具有重要研究價值。最近，基于人工神經網絡學習開放量子系統的方法在理論上被提出。但隨著系統規模不斷增加，神經網絡要保持對其混合量子態的高表達能力，就需要更為復雜的網絡結構。因此，直接應用該方法重構大規模開放量子行走中的演化狀態，將面臨復雜的網絡訓練問題。
研究團隊構建新型干涉測量裝置以顯著增加測量基數目，并通過建立開放量子行走系統與受限玻爾茲曼機網絡模型之間的映射，以及開發新的梯度優化算法高效訓練神經網絡，最終完成對具有一定規模的開放量子行走系統中混合量子態的有效表征。
研究顯示，僅利用相對于傳統態層析方法50%的測量基數目，即可實現平均保真度高達97.5%的開放光量子行走的完整混合量子態表征。同時，采用新算法的神經網絡訓練迭代次數可以減少一個數量級，并且可以高效規避局域極小值的影響，使損失函數到達更低取值，從而極大提高重構保真度。
研究人員表示，這種高效的神經網絡混合量子態層析方法為開放量子行走的廣泛應用提供了新的可能性，并為進一步研究噪聲輔助的量子計算和量子模擬奠定了基礎。
（記者吳長鋒）