據(jù)外媒報道，美國陸軍作戰(zhàn)能力發(fā)展司令部陸軍研究實驗室（U.S. Army Combat Capabilities Development Command‘s Army Research Laboratory）與杜蘭大學(xué)（Tulane University）研究人員將機器學(xué)習(xí)與量子信息科學(xué)（QIS）結(jié)合起來，利用光子測量重建未知系統(tǒng)的量子態(tài)。

QIS是一個快速發(fā)展的領(lǐng)域，利用微觀量子系統(tǒng)的獨特特性，比如光的單個粒子或原子，打造通信、計算和傳感方面的強大應(yīng)用，而利用傳統(tǒng)技術(shù)要么無法實現(xiàn)，要么效率較低。

陸軍企業(yè)研究實驗室科學(xué)家Brian Kirby博士表示，“我們想把機器學(xué)習(xí)應(yīng)用到QIS中，因為機器學(xué)習(xí)系統(tǒng)能夠基于示例數(shù)據(jù)集做出預(yù)測，而無需對給定任務(wù)進行顯式編程。近年來，機器學(xué)習(xí)在計算機視覺等領(lǐng)域表現(xiàn)出色。在大量預(yù)先分類的圖像上訓(xùn)練機器學(xué)習(xí)算法，然后可以正確地對從未見過的新圖像分類。”例如，銀行經(jīng)常使用機器學(xué)習(xí)系統(tǒng)讀取支票上的筆跡，盡管系統(tǒng)程序之前從未見過這些特殊的筆跡。研究人員稱，這種圖像分類類似于根據(jù)測量數(shù)據(jù)重建量子態(tài)。

杜蘭大學(xué)研究員Sanjaya Lohani博士稱，“在圖像識別中，機器學(xué)習(xí)算法試圖判斷某種物體是汽車還是自行車。在尋找測量數(shù)據(jù)中暗示數(shù)據(jù)來源的特定特征時，機器學(xué)習(xí)系統(tǒng)同樣有效。在這兩種情況下，輸入數(shù)據(jù)都可看作是一個二維數(shù)組，而機器學(xué)習(xí)系統(tǒng)試圖從中挑選出特定的特征?！?/p>

為了描述未知的量子系統(tǒng)，研究團隊使用了量子態(tài)斷層掃描（QST）技術(shù)。研究人員準備和測量了相同的未知量子系統(tǒng)，并用復(fù)雜的計算過程確定了與測量結(jié)果最一致的量子系統(tǒng)。然而，研究人員還需要開發(fā)方法，以處理與量子信息協(xié)議相關(guān)的經(jīng)典信息。杜蘭大學(xué)Ryan Glasser教授稱，“該領(lǐng)域經(jīng)常忽略了操作量子信息系統(tǒng)所需要的經(jīng)典信息處理。隨著研究和能力的成熟，現(xiàn)實世界部署指日可待，這些都是我們需要解決的問題?！?/p>

最近，研究人員開發(fā)了一個系統(tǒng)，可以重建量子態(tài)和標準，在一些情況下要優(yōu)于需要更多計算資源的方法。杜蘭大學(xué)研究員Onur Danaci表示，“我們意識到我們可以在原始模擬中匹配現(xiàn)有系統(tǒng)性能，我們想看看是否可以通過訓(xùn)練系統(tǒng)來預(yù)測常見錯誤，從而建立在應(yīng)對常見錯誤時的恢復(fù)能力?！?/p>

為此，該團隊模擬了測量中常見的誤差來源，比如未對準的光學(xué)元件，并利用其訓(xùn)練機器學(xué)習(xí)系統(tǒng)。當(dāng)測量結(jié)果不僅有噪音，而且完全丟失時，研究人員對系統(tǒng)進行進一步測試。Danaci表示，該團隊的方法在每種情況下都優(yōu)于傳統(tǒng)的狀態(tài)重建方法，同時需要更少的計算資源。

由于該團隊可將所有昂貴的計算提前加載到訓(xùn)練過程中，因此實際重建需要的資源相對較少。Kirby表示，研究人員希望在未來將這些預(yù)先訓(xùn)練好的便攜式量子系統(tǒng)部署在小型現(xiàn)場設(shè)備中，例如無人機或車輛等硬件空間有限的應(yīng)用。