近日，中国科学技术大学李传峰团队传来喜讯。他们创新地将机器学习应用于量子力学基础问题的研究，实现了多个非经典关联的同时分类。人工智能将改变量子研究，显着提高处理速度，并最终为比当前技术快十亿甚至十万亿倍的超级计算机铺平道路。研究人员认为，这一结果至关重要。1机器学习攻克瓶颈近日，中国科学技术大学李传峰量子研究团队在国际物理学权威期刊《物理评论快报》（PhysicalReviewLetters）上发表了研究成果。该研究将机器学习技术应用于量子力学基本问题的研究，首次实现了基于机器学习算法的多个非经典关联的同时分类。计算亚原子量子场中粒子之间的关联性质和关系是一项耗时的工作，而李传峰团队的研究通过机器学习技术极大地节省了这项耗时任务的计算时间。由于粒子关联不同，适用的任务也不同。除了量子纠缠之外，粒子还可以通过量子引导相互关联。它还证明，在某些情况下，粒子的性质可以通过测量来改变。大多数量子设备——从用于超安全通信的密钥分发网络，到超高速量子计算机，再到用于隐形飞机探测的量子雷达系统——由于确定粒子相关性所需的大量处理时间而无法实际应用。与远距离。在位于合肥的中国科技大学光子纠缠实验室，研究人员正在进行量子计算和量子实验“它的工作原理就像矿物分离”。“人工智能可以告诉我们矿石中是否含有金、铁或铜，因此我们可以将它们用于不同的目的。这在以前是不可能的，”中国科学技术大学教授李传峰说。到目前为止，量子研究人员还必须测量大量的物理特性，以确定粒子之间的关联类型。这项工作既困难又费时，工作量随着粒子数量的增加呈指数级增长。“也许最后我们会发现这不是一块金子。但我们只能知道这些。”李传风说道。几十年来，中国科学技术大学的研究人员坚持进行量子实验，积累了大量的实验数据。李传峰的团队构建了一个包含455个量子态的非经典关联特性的数据集。这些数据是根据粒子之间不同类型的相关性精心挑选的，例如量子纠缠、量子制导和贝尔非定域性。科学家们使用这个数据集来训练一台具有深度学习算法的计算机来测量粒子的物理特性。人工智能现在可以达到90%以上的准确率，并且将以前需要一个小时的计算时间缩短到几秒钟。机器不需要所有信息来评估每个粒子。研究人员只需将两种物理特性的详细信息输入机器，机器就会自动填补空白并做出正确的评估。“这种方式将大大增加量子信息处理的资源供给，”李传峰说。重庆市绿色智能技术研究院副教授、该论文的共同作者任长亮表示，这一突破并不意味着人工智能比人脑更好地掌握量子物理。“我们标记数据，我们教育它，我们纠正它的错误。人工智能跟随人类的领导，但它并没有超越我们，”他说。人工智能相对于传统方法的另一个明显优势是它可以更有效地处理多维问题，而量子物理学有很多维度。“这两个世界似乎很契合。”任长亮说道。科学家们认为这不是他们研究的终点。该团队现在计划继续使用更大的数据集训练机器，并且还在开发专门用于量子计算机的新人工智能技术，预计其速度将比当今最强大的超级计算机快1万亿倍。一些研究人员表示，人工智能和量子计算的结合最终可能会导致机器的智能等于或高于人类。2中科大量子计算实力此次人工智能与量子计算相结合的研究成果，只是李传峰团队在量子计算领域频频取得进展的一小部分。今年11月，李传峰、黄云峰课题组和英国合作者在线性光学系统中验证了纠缠态相干性对横向噪声的适应性，进一步证明在横向噪声中，纠缠态探针的量子测量精度可以突破标准量子极限，在量子相干性和量子精密测量研究方面取得重要进展。研究成果发表于11月1日的《物理评论快报》。10月，李传峰、刘必恒等与澳大利亚理论物理学家合作。在研究量子力学的基本问题时，他们首先通过实验观察到独立于测量设备的高维量子制导，并以此产生私有量子随机数。该研究成果于2019年10月23日发表于国际权威物理学期刊《物理评论快报》。2018年8月，南京大学李传??峰、陈庚等合作者优化了量子弱测量的测量方法，提高了量子弱测量的测量精度。将单光子克尔效应再次提高近一个数量级。实验结果首次逼近最佳海森堡极限，创造了量子精密测量领域的最高测量精度。该研究成果于8月8日发表在国际权威期刊《物理评论快报》上。作为郭光灿院士领衔的团队，主要从事量子通信和量子计算的理论和实验研究。研究方向包括：量子纠缠的产生与应用、固态量子系统、量子网络和量子物理。中国科学技术大学教授、中国科学院量子信息重点实验室主任郭光灿及其导师郭院士是物理学院光学系主任中国科学技术大学，中国量子光学和量子信息的开拓者和奠基人。早在1990年代，郭院士和他的研究生就提出了“量子避错编码原理”和“概率量子克隆原理”，在当时的国际上引起了巨大反响，并获得了当年的诺贝尔物理学奖。2012.获奖者由法国科学家沙吉·哈罗歇尔实验室确定。除了李传峰，郭院士还有另一位优秀学生郭国平教授。郭国平教授在量子计算芯片领域工作近十年。2010年以来，作为首席科学家先后主持国家973重点项目中的固态量子芯片项目和半导体量子芯片项目。目前是国内半导体量子芯片研究领域的领跑者。在郭教授多年主持的项目中，诞生了一支近百人的成熟量子计算技术产业化团队，这就是2017年诞生的原量子的前身。在郭教授产业思想的引领下，本源量子打造了从半导体量子芯片、测控一体机、量子语言、操作系统、云服务到整机的完整产业生态链。2018年，本源量子发布我国第一台具有完全自主知识产权的量子测控一体机；2019年，研究团队自主研发了完全实现Shor算法的量子软件开发包“pyQPanda”，在算法领域突破了中国量子计算领域。零分。更重要的是在2020年推出第一台具有自主产权的国产量子计算机，内含6比特量子芯片，目标是追平IBM在2016年发布的5量子比特机器。在量子领域计算方面，另一个经常被提及的人物是潘建伟院士团队。潘建伟（右）和卢朝阳（左）潘院士、彭承志、陈宇奥、卢朝阳、陈增兵等人组成的研究团队对量子力学的基本问题进行了长期系统的研究。他们将多光子纠缠与干涉技术应用于量子通信、量子计算、量子精密测量等诸多领域，引领和推动了多光子纠缠与干涉测量的发展，并在量子通信、光量子信息处理等方面取得了成果。关键突破。3多所高校争夺量子高峰尽管在量子计算领域起步较晚，与国际先进技术存在较大差距，但无论是在超导量子计算还是拓扑量子计算领域，我国的主要研究方向近年来，球队取得了长足的进步。表演非常出色。除了屡获世界“第一”并取得优异成绩的中国科学技术大学中国团队，南京大学、中科院物理研究所的研究组或团队，浙江大学、清华大学、上海交通大学等科研机构也在场。在这个领域已经做了一些开创性的工作。曾在潘院士团队学习的陈增兵，现就读于南京大学物理学院。早在2014年1月，该所就在超导量子比特研究方面取得了重要进展。他是第一个通过实验实现超导量子比特中几何相位的Landau-Zener干涉的人。成果发表在国际顶级物理学期刊《物理评论快报》。2018年，于洋教授和朱世良教授课题组通过不断努力，将理论与实验紧密结合，利用超导量子比特模拟了新型拓扑麦克斯韦金属能带结构，取得了超导量子模拟的重要成果。另一个经常与中国科学技术大学联系密切的机构是中国科学院物理研究所。今年8月，范衡、杨孟子等研究员与北京计算科学研究中心张玉然博士、中国科学技术大学朱晓波教授、潘建伟教授组成科研团队，在具有24个量子位的超导处理器上实现。对Bose-Hubbard阶梯模型进行了动力学仿真，观察到一些新的动力学现象。此外，范衡课题组还联合浙江大学王浩华课题组、中国科学技术大学朱晓波课题组，开展了多体定位问题的量子模拟研究。樊衡研究员及其团队确定了具体的实验方案并完成了理论分析。测量在浙江大学完成，文章也发表在《物理评论快报》。上述浙江大学王浩华课题组还与中国科学技术大学潘院士团队合作，贡献了优秀的研究成果。近日，与潘建伟、朱晓波、卢朝阳课题组、福州大学郑士彪课题组、中国科学院物理研究所郑东宁课题组合作，十-联合研制比特超导量子芯片。通过高精度脉冲控制和全局纠缠方案，实现了目前世界上数量最多的超导量子比特的多体纠缠，并通过层析测量对十比特量子态进行了完整描述。此外，还有以姚期智院士为首的清华大学团队、上海交通大学金宪民团队，以及北京计算科学中心、山西大学、南方科技大学等课题组。他们的交流和联盟为中国量子计算的科学发展提供了条件。足够的力量。4量子计算与人工智能，谁成就谁？尽管英特尔研究院院长RichUhlig将量子计算描述为马拉松一英里。然而，量子计算技术的发展，无论是在理论上还是在应用上，都取得了长足的进步。与人工智能的结合，可能会在量子计算上带来更实质性的突破。随着各大BAT、AI等科技公司的投入，或许有一天，我们可以期待量子计算也会对我们的技术做出反应，也不知道会给人工智能的发展带来怎样的新变化。
