机器学习技术或可解决量子信息难题

今天，记者从上海交通大学获悉，该校教授金贤敏团队与南方科技大学教授翁文康合作，首次将机器学习技术应用于解决量子信息难题，实现了基于人工神经网络的量子态分类器。这一重要研究成果已发表于《物理评论快报》。

量子信息科学与人工智能技术，作为近年来最前沿的研究领域，取得了诸多改变传统信息科学的进展。但如何实现两个领域的交叉关联，成为近来科学家关注的热点问题。

金贤敏团队利用时间混态技术，首先在实验中制备了共计500个量子态用于线性神经网络的训练和检验，通过优化参数，使量子态分类器的平均识别匹配度大于98%，无论在判别阈值和性能上均远优于贝尔不等式检验的方法。为了提高学习效率和分类器的普适性，研究团队进一步尝试了带有隐藏层的非线性学习优化，采用了更靠近纠缠边界的量子态作为训练集（共计3大类15小类1200个量子态），同时额外制备了相同类别的1500个量子态作为检验，实验结果证明了经过非线性学习优化的分类器能够以99.7%的高匹配度识别出不同类别的量子态，分析出不同类纠缠的动态边界。