就像一张性价比高的手机排行榜前十名神经网络的这种方法模拟量子系统也是一种前所未有的奇迹
雷锋网独家：一项革命性的研究揭示了神经网络如何模拟开放量子系统，开启了解决量子科学挑战的新篇章。科学家们在EPFL、法国、英国和美国合作，开发了一种前所未有的基于神经网络的方法来模拟这些复杂系统，这将对量子计算产生深远影响。
这种新技术不仅能够模拟多功能的开放量子系统，而且是首次实现这一壮举。该研究成果已发表在《物理评论快报》上，该期刊是物理学界最顶尖的学术期刊之一。
自然界中即便是日常生活中的现象，也受到了量子力学定律的支配。从光到声，从热到台球桌上的球运动，都能通过这些定律得到解释。但当涉及到大量相互作用粒子的场合，量子力学则预测出了一系列令人惊叹的违背直觉现象。
为了理解由许多粒体组成的大型量子系统，物理学家必须先学会模拟它们。这通常通过超级计算机来完成，以描述其内部工作方式。但尽管摩尔定律预言每两年计算能力翻番，但这还不足以应对解决量子的挑战所需增长速度之迅猛。
原因在于预测一个数量级较大的开放性质非常复杂，因为根据这个尺度不同，它们需要以指数法规增长，这是一项“本质上复杂”的任务。理论物理实验室主任Vincenzo Savona教授指出：“当一个系统打开时情况变得更加复杂，因为它会受到周围环境干扰。”
然而，要有效地模仿这样的开放性质工具至关重要，因为大部分现代实验平台都是开放类型，并且物理学家一直在寻找新的方法来测试和验证他们。此刻，一种采用神经网络进行模仿的一个新方法已经取得了巨大进展。这一方法由Savona及其博士生Alexandra Nagy共同开发，在EPFL进行研发，同时与巴黎狄德罗大学、爱丁堡赫瑞瓦特大学以及纽约Flatiron研究所合作共享数据。
Savona表示：“我们基本上将神经网络和机器学习进步结合起来，与传统工具相结合。” 他们训练了一个神经网络，将多个可以通过外部环境影响投射出的不同的状态同时表示出来。
此类模型使得物理学家能够预测任何大小或几何形状的开放性质。而这种新的算法被认为具有多功能性并有扩展潜力，对于研究更为复杂的问题而言，将成为首选工具。此外，该算法也将用于评估噪音对于未来硬件设备性能造成的影响，有望进一步推动科技发展方向。在接下来的时间里，我们期待着更多关于这一突破性的发现如何改善我们的世界观以及应用于日常生活中的具体实例。
