一种基于神经网络的前所未有的方法可模拟量子系统

导读：AI和量子计算都是前沿的研究，相比AI的规模化应用，量子计算还面临诸多挑战。

AI和量子计算都是前沿的研究，相比AI的规模化应用，量子计算还面临诸多挑战。近日，科学家们独立开发出了一种前所未有的基于神经网络的模拟开放量子系统的方法， 这将是解决量子科学和量子信息中几个突出问题的前提。

一种基于神经网络的新计算方法可以模拟多功能的开放量子系统，这是前所未有的。该方法由EPFL、法国、英国和美国的物理学家独立开发，并发表在《物理评论快报》（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。这些定律解释了普通现象，如光、声、热，甚至是台球桌上球的轨迹。但是当应用于大量相互作用粒子时，量子物理定律实际上预测了各种违背直觉的现象。

为了研究由许多粒子组成的量子系统，物理学家必须首先能够模拟它们。这可以通过超级计算机求解，来描述其内部工作的方式来实现。但是，虽然摩尔定律预测计算机的处理能力每两年翻一番，但这与解决量子物理挑战所需的能力相去甚远。

原因是预测量子系统的特性非常复杂，根据量子系统的大小不同，要求计算能力以指数型增长，这是一项“本质上复杂”的任务。理论物理实验室主任Vincenzo Savona教授如此说，他是在EPFL负责Laboratory of Theoretical Physics of Nanosystems。

“当量子系统开放时，情况变得更加复杂，这意味着它会受到周围环境的干扰，” Savona补充道。然而，能有效模拟开放量子系统的工具是续费需要的，因为量子科学和技术的大多数现代实验平台都是开放系统，物理学家一直在寻找新的方法来模拟和测试它们。

但是，采用神经网络模拟量子系统的新计算方法已经取得了重大进展。该方法由Savona和他的博士生Alexandra Nagy在EPFL开发 - 由巴黎狄德罗大学的科学家、爱丁堡的赫瑞瓦特大学和纽约的Flatiron研究所独立开发。整篇文章正在《物理评论快报》的三篇论文中发表。

“我们基本上将神经网络和机器学习的进步与量子蒙特卡罗工具相结合，” Savona说，他指的是物理学家用来研究复杂量子系统的大型计算方法工具包。科学家训练了一个神经网络来同时表示量子系统可以通过其环境的影响投射的许多量子态。

神经网络方法允许物理学家预测不同大小和任意几何的量子系统的性质。“这是一种新颖的计算方法，解决了开放式量子系统的问题，具有多功能性和扩展的潜力，” Savona说。该方法将成为研究复杂量子系统的首选工具，并且将在未来展望更多，以评估噪声对量子硬件的影响。

该研究发表在《物理评论快报》上，题为《Variational Quantum Monte Carlo Method with a Neural-Network Ansatz for Open Quantum Systems》，论文的摘要这样写道：

模拟具有大量自由度（d.o.f.）的多体开放量子系统的性质的可能性是解决量子科学和量子信息中几个突出问题的前提。这项任务带来的挑战在于密度矩阵的复杂性随系统规模增长呈指数增长。在这里，我们开发了一种变分方法，以有效地模拟基于变分蒙特卡罗方法和密度矩阵的神经网络表示的马尔可夫开放量子系统的非平衡稳态。由于随机重构方案，变分原理的应用被转化为量子主方程的实际积分。我们通过对二维耗散进行建模来测试该方法的有效性XYZ在格子上的自旋模型。