中国科大实现开放光量子行走的高效机器学习

　　中国科年夜郭光灿院士团队正在光量子行走范畴取患上重要进展。该团队李传锋、许小冶、韩永建等人与合胖综合性国度迷信中间董少钧和南边科技年夜学翁文康等互助，哄骗人工神经收集作为开放体系中混淆量子态的有用拟设，并经由过程革新天然梯度降落算法有用普及神经收集的训练效率，正在具备内禀高维布局的开放光量子行走体系中，初次完成高保真度混淆量子态重构。相干结果3月15日颁发正在国际出名学术期刊《迷信·进展》上。

　　量子行走被以为正在量子摹拟以及量子计较中具备重要研究价值。近期研究标明，处正在特定噪声情况下的开放量子行走绝对于关闭景象，正在解决某些特定问题上具备显著的效率上风。充实开掘开放量子行走的计较以及摹拟才能，必需要对其演变状况举行完备描画。然而，传统的态层析要领其实不合用于具备必定范围的开放量子体系。缘故原由正在于，一方面是对混淆量子态的重构所耗损的物理资本随体系范围呈指数增加，另外一方面，正在年夜范围量子体系中难以完成完备态层析所必须的完整丈量。是以，怎样高效表征混淆量子态是各个试验系统都面对的重年夜应战。比来，基于人工神经收集进修开放量子体系的要领无理论上被提出。然而，跟着体系范围一直增长，神经收集要坚持对其混淆量子态的高表白才能就需求更为庞大的收集布局，是以间接使用该要领重构年夜范围开放量子行走中的演变状况，将面对庞大的收集训练问题。

　　正在本事情中，研究团队构建新型干预干与丈量安装以显著增长丈量基数量，并经由过程成立开放量子行走体系与受限玻尔兹曼机收集模子之间的映照，同时开发新的梯度优化算法高效训练神经收集，终极实现对具备必定范围的开放量子行走体系中混淆量子态的有用表征。绝对于传统的态层析要领，这类有用的神经收集态层析仅哄骗局部所需的丈量便可高保真度地重构混淆量子态。为了增长神经收集训练数据，研究团队正在后期构建的年夜标准光量子行走试验体系根蒂根基上，进一步引入一个时间域上的没有等臂干预干与仪完成没有同格点位置之间的干预干与丈量，从而显著地普及了丈量基数量。成果标明，基于神经收集技能，仅哄骗绝对于传统态层析要领50%的丈量基数量，便可完成平均保真度高达97.5%的开放光量子行走的完备混淆量子态表征。此外，为普及庞大神经收集的训练效率，研究团队正在天然梯度降落算法的根蒂根基上，寻到适合的新度规，开收回更为有用的狭义天然梯度降落算法。研究成果标明，相比于传统梯度降落算法，采纳新算法的神经收集训练迭代次数可以削减一个数目级，而且可以高效规避局域极小值的影响，使丧失函数达到更低取值，从而极年夜普及重构保真度。

　　这类高效的神经收集混淆量子态层析要领为开放量子行走的普遍使用供给了新的可能性，并为进一步研究噪声帮助的量子计较以及量子摹拟奠基了根蒂根基。

图1. 神经收集模子与开放量子行走体系之间的映照。

图2. 开放的光量子行走试验体系。

　　中国迷信院量子信息重点试验室博士后王琴琴与合胖综合性国度迷信中间副研究员董少钧为本事情配合第一作者。该研究事情获得了科技立异2030重年夜名目、国度天然迷信基金会、中国博士后迷信基金会以及中国迷信技能年夜学的赞助。许小冶传授感激中国迷信院青年立异促成会的鼎力大举撑持。

　　文章链接： https://www.science.org/doi/10.1126/sciadv.adl4871