中科大郭光燦院士團隊李傳鋒、許金時等人與合作者最近將機器學習技術應用于研究量子力學基礎問題，首次實驗實現(xiàn)了基于機器學習算法的多重非經典關聯(lián)的同時分類。這一成果發(fā)表在11月6日出版的國際物理學權威期刊《物理評論快報》上。
1935年，愛因斯坦、波多爾斯基和羅森發(fā)表了著名的質疑量子力學完備性的文章，后來被稱為EPR佯謬。隨著薛定諤和貝爾等眾多科學家對EPR佯謬的深入研究，人們逐漸理解愛因斯坦所指的“幽靈般的超距作用”來源于量子世界的非定域關聯(lián)，并且它還可以進一步細分為量子糾纏、量子導引、貝爾非定域性等層次。另一方面，隨著量子信息研究的興起，各種不同的量子關聯(lián)已經成為量子信息領域的關鍵資源，在量子計算、量子通信、量子精密測量等過程中扮演著重要角色。
李傳鋒、許金時等人將機器學習技術應用于非經典關聯(lián)的區(qū)分，通過巧妙的實驗設計，在光學系統(tǒng)中制備出一簇參數(shù)可調的兩比特量子態(tài)。通過只輸入量子態(tài)的部分信息(兩個可觀測量的值)，利用機器學習模型對455個量子態(tài)的非經典關聯(lián)屬性進行學習，成功實現(xiàn)了多重非經典關聯(lián)分類器。實驗結果表明，基于機器學習算法的分類器能以大于90%的高匹配度同時識別量子糾纏、量子導引和貝爾非定域性等不同的量子關聯(lián)屬性，且無論在資源消耗還是時間復雜度上都遠小于傳統(tǒng)判據所依賴的量子態(tài)層析方法。
這項工作在實驗上將機器學習算法應用于多重非經典關聯(lián)的同時區(qū)分，推動了人工智能與量子信息技術的深度交叉。未來，機器學習作為一種有效的分析工具，將有助于解決更多量子科學難題。(記者 桂運安)
