芯片解密公司的新方法就像一台神经网络的机器能够模拟出前所未有的量子系统奇观
雷锋网独家：芯片解密公司的新方法，犹如一位天才艺术家，用神经网络的笔触勾勒出前所未有的量子系统图景。这种基于神经网络的计算革命，不仅能够模拟多功能开放量子系统，更是解决量子科学和信息领域众多难题的先行者。
在日常生活中，自然界遵循着量子物理定律，这些定律揭示了从光与声到热能、甚至是台球桌上球轨迹背后的奥秘。但当应用于由成千上万个粒子的相互作用时，这些定律预言了令人费解的现象。为了研究这些由许多粒体组成的大型量子系统，物理学家必须首先学会模拟它们。这通常通过超级计算机来实现，但摩尔定律并不能满足这个挑战，因为预测量子的特性极其复杂，而且随着系统规模增加，其需求呈指数增长。
“当一个量子系统打开时，它变得更加复杂，因为它会受到周围环境干扰，”理论物理实验室主任Vincenzo Savona教授这样说道。他指出有效模拟开放量子系统工具至关重要，因为现代实验平台几乎都是开放式的，而物理学家一直在寻找新的方法来模拟和测试它们。
然而，最近，由Savona和他的博士生Alexandra Nagy开发的一种基于神经网络的新计算方法已经取得了突破性的进展。该方法结合了神经网络和机器学习技术，与传统蒙特卡罗算法相结合，可以同时表示通过其环境影响投射出的许多不同状态。
这项创新技术允许科学家预测各种大小和形状不同的任意几何形状的非平衡稳态，并且具有多功能性和扩展潜力。“这是一个全新的计算方式，它解决了开放式质体问题，有着广泛应用前景，”Savona说，该方法将成为研究复杂性质以及评估噪声对硬件性能影响的一个强大工具。
这项工作发表在《Physical Review Letters》期刊上，以论文《Variational Quantum Monte Carlo Method with a Neural-Network Ansatz for Open Quantum Systems》为名，其中简要概述：
"模仿具有大量自由度（d.o.f.）的大型开放多体气态属性，是解决一些突出问题必需条件之一。这项任务带来了密度矩阵随体系尺寸指数增长复杂性的挑战。在这里，我们开发了一种变分策略，以有效地模拟使用变分蒙特卡罗法与密度矩阵表示进行重构马尔可夫开启气态非平衡稳态。由于随机重构方案，变分原理被转化为实际积分真实主方程。此外，我们通过二维耗散建模来检验该策略效率XYZ格点自旋模型上的测试."
雷锋网编译
