對於量子多體物理中的一些現象，存在著幾種相互矛盾的理論。但是哪一個描述量子現象最好的呢？來自慕尼黑工業大學(TUM)和美國哈佛大學的一組研究人員已經成功地將人工神經網絡用於量子系統的圖像分析。那是一隻狗還是一隻貓？這樣的分類是機器學習一個主要例子：人工神經網絡可以通過尋找特定對象的特徵來訓練分析圖像。
只要系統已經學會了這種模式，它就能夠識別任何圖片上的貓或狗。利用同樣的原理，神經網絡可以檢測組織在放射圖像上的變化。物理學家們現在使用這種方法來分析量子多體系統的圖像，即所謂的快照，並找出哪種理論能最好的描述觀測到的現象。研究固體和液體凝聚態物理學中的一些現象仍然籠罩在神秘之中。
機率的量子世界
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是一項挑戰：基於超冷鋰原子的量子模擬器已經被開發出來，用於研究高溫超導體物理學，拍攝量子系統的快照，而量子系統同時以不同的構型存在——物理學家們稱之為疊加。
量子系統的每個快照根據其量子力學機率給出一個特定的構型。為了理解這樣的量子系統，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實？這個問題可以通過分析圖像數據來回答。
神經網絡研究量子世界
為此，慕尼黑工業大學(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網絡來區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網絡中。然後對網絡參數進行優化，使每個圖像都有正確的標籤。
在這種情況下，它們只是理論A或理論B，而不是貓或狗。經過理論數據的訓練階段後，神經網絡必須將所學知識應用到量子模擬器中，並將快照分配到理論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
