科技日報合肥3月19日電（記者吳長鋒）記者19日從中國科學技術大學獲悉，該校郭光燦院士團隊在光量子行走領域取得重大突破。他們利用人工神經網絡作為開放系統(tǒng)中混合量子態(tài)的有效擬設，并通過提高神經網絡的訓練效率，在具有內稟高維結構的開放光量子行走系統(tǒng)中，首次實現(xiàn)了高保真度混合量子態(tài)重構。相關成果日前發(fā)表在國際學術期刊《科學·進展》上。

　　量子行走在量子模擬和量子計算中具有重要研究價值。最近，基于人工神經網絡學習開放量子系統(tǒng)的方法在理論上被提出。但隨著系統(tǒng)規(guī)模不斷增加，神經網絡要保持對其混合量子態(tài)的高表達能力，就需要更為復雜的網絡結構。因此，直接應用該方法重構大規(guī)模開放量子行走中的演化狀態(tài)，將面臨復雜的網絡訓練問題。

　　研究團隊構建新型干涉測量裝置以顯著增加測量基數(shù)目，并通過建立開放量子行走系統(tǒng)與受限玻爾茲曼機網絡模型之間的映射，以及開發(fā)新的梯度優(yōu)化算法高效訓練神經網絡，最終完成對具有一定規(guī)模的開放量子行走系統(tǒng)中混合量子態(tài)的有效表征。

　　研究顯示，僅利用相對于傳統(tǒng)態(tài)層析方法50%的測量基數(shù)目，即可實現(xiàn)平均保真度高達97.5%的開放光量子行走的完整混合量子態(tài)表征。同時，采用新算法的神經網絡訓練迭代次數(shù)可以減少一個數(shù)量級，并且可以高效規(guī)避局域極小值的影響，使損失函數(shù)到達更低取值，從而極大提高重構保真度。

　　研究人員表示，這種高效的神經網絡混合量子態(tài)層析方法為開放量子行走的廣泛應用提供了新的可能性，并為進一步研究噪聲輔助的量子計算和量子模擬奠定了基礎。

    信息來源：中安在線