机器学习新算法更好描述量子系统模型

近日，英国布里斯托大学量子工程技术实验室的研究人员在《自然·物理学》杂志上发表一篇新论文，解释了一种通过充当自主代理，使用机器学习对哈密顿模型进行逆向工程的算法。这种新算法对量子系统基本物理原理提供了宝贵见解，有望带来量子计算和传感领域的重大进步，并有可能翻开科学研究的新篇章。在物理学中，粒子系统及其演化都是通过数学模型来描述的，这需要理论和实验相互验证。更复杂的则是在量子力学水平上描述粒子相互作用的系统，这通常需要使用哈密顿模型来完成。但量子态的性质使这一过程变得更