一種基于神經網絡的前所未有的方法可模擬量子系統
2019-07-08 13:06:06 EETOP
一種基于神經網絡的新計算方法可以模擬多功能的開放量子系統，這是前所未有的。該方法由EPFL、法國、英國和美國的物理學家獨立開發，并發表在《物理評論快報》（Physical Review Letters）期刊上。
即使在日常生活，自然也受量子物理定律的支配。這些定律解釋了普通現象，如光、聲、熱，甚至是臺球桌上球的軌跡。但是當應用于大量相互作用粒子時，量子物理定律實際上預測了各種違背直覺的現象。
為了研究由許多粒子組成的量子系統，物理學家必須首先能夠模擬它們。這可以通過超級計算機求解，來描述其內部工作的方式來實現。但是，雖然摩爾定律預測計算機的處理能力每兩年翻一番，但這與解決量子物理挑戰所需的能力相去甚遠。
原因是預測量子系統的特性非常復雜，根據量子系統的大小不同，要求計算能力以指數型增長，這是一項“本質上復雜”的任務。理論物理實驗室主任Vincenzo Savona教授如此說，他是在EPFL負責Laboratory of Theoretical Physics of Nanosystems。
“當量子系統開放時，情況變得更加復雜，這意味著它會受到周圍環境的干擾，” Savona補充道。然而，能有效模擬開放量子系統的工具是續費需要的，因為量子科學和技術的大多數現代實驗平臺都是開放系統，物理學家一直在尋找新的方法來模擬和測試它們。
但是，采用神經網絡模擬量子系統的新計算方法已經取得了重大進展。該方法由Savona和他的博士生Alexandra Nagy在EPFL開發 - 由巴黎狄德羅大學的科學家、愛丁堡的赫瑞瓦特大學和紐約的Flatiron研究所獨立開發。整篇文章正在《物理評論快報》的三篇論文中發表。
“我們基本上將神經網絡和機器學習的進步與量子蒙特卡羅工具相結合，” Savona說，他指的是物理學家用來研究復雜量子系統的大型計算方法工具包。科學家訓練了一個神經網絡來同時表示量子系統可以通過其環境的影響投射的許多量子態。
神經網絡方法允許物理學家預測不同大小和任意幾何的量子系統的性質。“這是一種新穎的計算方法，解決了開放式量子系統的問題，具有多功能性和擴展的潛力，” Savona說。該方法將成為研究復雜量子系統的首選工具，并且將在未來展望更多，以評估噪聲對量子硬件的影響。
該研究發表在《物理評論快報》上，題為《Variational Quantum Monte Carlo Method with a Neural-Network Ansatz for Open Quantum Systems》，論文的摘要這樣寫道：
模擬具有大量自由度（d.o.f.）的多體開放量子系統的性質的可能性是解決量子科學和量子信息中幾個突出問題的前提。這項任務帶來的挑戰在于密度矩陣的復雜性隨系統規模增長呈指數增長。在這里，我們開發了一種變分方法，以有效地模擬基于變分蒙特卡羅方法和密度矩陣的神經網絡表示的馬爾可夫開放量子系統的非平衡穩態。由于隨機重構方案，變分原理的應用被轉化為量子主方程的實際積分。我們通過對二維耗散進行建模來測試該方法的有效性XYZ在格子上的自旋模型。
*免責聲明：本文由作者原創。文章內容系作者個人觀點，轉載目的在于傳遞更多信息，并不代表EETOP贊同其觀點和對其真實性負責。如涉及作品內容、版權和其它問題，請及時聯系我們，我們將在第一時間刪除！
