就像手机排行榜2023中那些性价比高的明星机型引领着市场的潮流一样这种基于神经网络的前所未有的方法不
雷锋网独家：量子计算与人工智能并行，科学家们突破性发明新方法模拟开放量子系统
在科技的前沿，两项革命性的技术——人工智能和量子计算正在并肩作战。尽管人工智能已经被广泛应用于我们的日常生活，但量子计算仍面临诸多挑战。最近，一群国际科学家合作开发了一种基于神经网络的创新方法，用以模拟复杂的开放量子系统，这将是解决许多长期困扰物理学家的难题的关键。
这种前所未有的方法能够精确地模拟各种规模和形状的多功能开放量子系统。这一重大发现由欧洲核研究所（EPFL）、法国、英国和美国的一位物理学家独立完成，并在《物理评论快报》上发表。
自然界中，即使是在我们日常生活中，也不乏受量子力学定律支配的情况。这些基本原理解释了光、声波、热能乃至台球桌上的球运动。但当涉及到大量相互作用粒子的场景时，按照直觉预测结果往往会出乎意料。
为了理解由数千个粒体组成的大型开放量子系统，研究人员需要先进行模拟。这可以通过超级计算机来实现，但即便摩尔定律不断推动计算能力提升，对应于解决这一领域挑战所需的能力差距依然巨大。
原因在于预测一个打开后受到外界干扰的大型开放质子的特性极其复杂，它们随着系统规模增长呈指数增加，这是一个“本质上非常复杂”的任务。在EPFL理论物理实验室主任Vincenzo Savona教授的话语中：“当一个开口时情况变得更加复杂，因为它会受到周围环境影响。”
然而，要想有效地模拟这样的开放体系工具一直是个紧迫需求，因为现代实验平台几乎都是开端系，所以这也是物理学家寻找新的方法来模仿它们的一个重要步骤之一。而神经网络算法已经成功地克服了这一障碍，该算法由Savona博士生Alexandra Nagy等人的团队开发，他们与巴黎大学、爱丁堡大学以及纽约Flatiron研究所合作完成，并将此成果分三篇论文发表于《物理评论快报》上。
“我们结合了神经网络和机器学习进展，以及现有用于研究复杂可见空间中的高维度数量态的大型工具包。” Savona解释道。他指的是一种名为“变分蒙特卡洛”（Variational Quantum Monte Carlo）的工具包，这是一种用于研究高度共振态的大型多体问题的一般化技术。
该新算法允许研究人员准确预测不同大小任意几何形状下的任何类型的行为。“这是一个全新的计算策略，它不仅解决了因而引起众多难题，而且具有强大的扩展潜力。” Savona说，他相信这将成为未来探索更多关于噪音对硬件影响的问题中的首选工具之一。
