现在时间是：YYYY年MM月DD日 H:mm:ss
名称描述内容
AI与量子计算结合，助力研发快10亿倍超级计算机
来源:
|
作者:proac3c72
|
发布时间: 2019-11-27
|
2601 次浏览
|
分享到:
近日，中国科学技术大学李传锋团队将机器学习技术应用于研究量子力学基础问题，首次实验实现了基于机器学习算法的多重非经典关联的同时分类。还通过AI极大地提高了处理速度，最终可能为研发比目前快10亿倍、1万亿倍的超级计算机铺平道路。
人工智能将极大提高处理速度，彻底改变量子研究，并最终可能为研发比现有技术快10亿倍、甚至1万亿倍的超级计算机铺平道路。
这是中国科学技术大学李传峰量子研究团队，最近发表在权威的国际物理杂志《物理评论快报》（Physical Review Letters）上的研究结果。该研究将机器学习技术应用于研究量子力学基础问题， 首次实验实现了基于机器学习算法的多重非经典关联的同时分类。香港《南华早报》对此进行了报道。
计算亚原子量子领域中粒子之间的相关性质与关系是一个耗时任务，而李传峰团队的研究通过机器学习技术大大节省这一耗时任务的计算时间。 这项研究是中国科学技术大学李传锋、许金时等人与南方科技大学翁文康教授以及中科院重庆绿色智能技术研究院任昌亮研究员等人合作。 该论文共同第一作者是中科院量子信息重点实验室博士生杨木（实验）和中科院重庆绿色智能技术研究院任昌亮研究员（理论）。
中国科学技术大学教授 李传锋
李传锋研究领域为量子光学与量子信息，在搭建量子纠缠网络及利用量子信息技术探索量子物理等方面取得了系列重要成果。目前，已发表SCI论文210余篇，其中以第一/通讯作者发表Nature子刊14篇，PRL24篇。此外，还是 国家杰出青年科学基金获得者(2013)，教育部长江学者特聘教授(2014)。 首次实验性地实现了基于机器学习算法的多个非经典关联的同时分类 量子技术的力量来自与量子力学神秘力量联系在一起的粒子。例如，量子纠缠是指粒子之间的相关性，无论粒子之间的距离如何，粒子之间的相关性都会使一个粒子的变化立即影响另一个粒子。这些相关粒子的行为构成了量子信息处理的基础。 研究人员认为，这一点很重要，因为粒子之间的不同联系使它们适合不同的任务。除了量子纠缠之外，粒子还可以通过量子导引（这种矛盾现象以“薛定谔的猫”最为人熟知）或贝尔非定域性（该概念称在某些情况下粒子的性质可以通过对其测量而改变）发生联系。
大多数量子设备——从用于超安全通信的密钥分配网络、超快量子计算机到用于隐形飞机探测的量子雷达系统——仍然极其不适用，因为现在确立粒子之间联系的性质需要大量处理时间。
李传峰团队的研究表明，机器学习技术可以以前所未有的速度和准确性评估粒子之间关系的性质。
他们通过巧妙的实验设计，在光学系统中制备出一簇参数可调的两比特量子态。通过只输入量子态的部分信息（两个可观测量的值），利用神经网络、支持向量机以及决策树等机器学习模型对455个量子态的非经典关联属性进行学习，成功地实现了多重非经典关联分类器。
图1： 非经典关联分类实验装置图
实验结果表明，基于机器学习算法的分类器能以大于90%的高匹配度同时识别量子纠缠、量子导引和贝尔非定域性等不同的量子关联属性，而且无论在资源消耗还是时间复杂度上都远小于传统判据所依赖的量子态层析方法。 “它的工作原理就像分离矿物。”李传峰教授说，“AI能告诉我们矿石是否包含金、铁或铜，因此我们可以利用它们来达到不同的目的，这在以前这是不可能做到的。”
图2： 三种人工智能模型对非经典关联进行分类的工作原理示意图，（a）神经网络，（b）支持向量机，（c）决策树。 无须完整粒子信息，机器即可进行评估
从用于超安全通信的密钥分配网络，超速量子计算机，到用于检测隐形飞机的量子雷达系统，大多数量子设备仍然极其不适用，因为现在确立量子之间联系的性质需要大量处理时间。 但目前为止，量子研究人员还必须测量一套完整的物理性质，以确定粒子之间的关联类型。这是一项艰巨且耗时的工作，并且当粒子数量增加时，工作量会呈指数增长。这种方法将大大增加量子信息处理的资源供给。 “归根结底，我们也许能够分辨出这不是一块金，但是这样没有办法知道更多。”李教授解释道。 几十年来，中科大的研究人员一直在进行量子实验， 并积累了大量数据。 在此基础上，李教授的团队建立了一个数据集，包含400多对通过不同类型的连接精心挑选出来的粒子，连接类型包括量子纠缠、量子导引和贝尔非定域性。 然后，研究人员利用这些数据集，并使用深度学习算法来训练计算机，以测量粒子的物理性质。人工智能现在可以达到高于90％的测量精度，并且计算时间大幅减少， 过去花一个小时的计算现在可以在不到一秒钟的时间内完成。 另外，不需要每个粒子的完整信息，机器即可进行评估。根据该论文，研究人员只需将两种物理性质的详细信息输入到机器中，然后就可以填补空白并对结果做出正确的估计。 李传峰说： “这种方法将大大增加用于量子信息处理的资源供应。”这不是研究的终点，也不意味着AI能比人脑对量子物理学的掌握要好
一些研究人员说，人工智能和量子计算的结合可能最终导致机器的智能等于或大于人类。
同时，重庆绿色智能技术研究院副研究员、论文作者之一的任昌亮认为，这一突破并不意味着人工智能比人脑对量子物理学的掌握要好。“我们标注数据、训练机器、进行纠错，AI是在人类的指导下完成计算的。”他说，“它并不比我们聪明。” 与传统方法相比，人工智能的另一个明显优势是它可以更有效地处理多维问题，量子物理学中有很多维度。 任昌亮说：“两个世界似乎有很好的匹配。”
最后，该研究团队表示，这不是研究的终点。该团队正计划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，该技术预计会比目前最强大的超级计算机快1万亿倍。Google的量子突破并不意味着中国输掉了量子计算机竞赛 在此次研究前，谷歌在Nature发文实现“量子优越性”，对此，中国量子计算团队的负责人潘建伟教授认为，美国现在已经超过了中国，但这“绝对不是终点”，而潘教授的团队成员也表示，中国团队仍然有希望实现量子至上， 科学和技术的“圣杯”竞赛才刚刚开始。 对此，也有不同观点认为中国相关研究起步较缓。有量子科学家称，Google在13年前启动了量子计算机程序，其他美国公司（例如IBM）也已经进行了大量投资并建造了原型机，但中国直到最近才开始类似的工作。 以上观点，也有反驳声音。就目前而言，可用的量子计算机还有很长的路要走，目前美国和中国的先进技术都没有任何实际应用。 “中美在量子计算机技术上的差距并不没有那么大。”北京大学量子物理学教授吴飚就说道， “我们还没有离开起跑线。如果有任何区别，那可能没什么大不了，因为我们离任何实际的应用程序都还很远。”
期待量子研究突破立竿见影是不切实际的，可能迫使量子研究游走在科幻小说与现实之间
如今，量子计算机产生的结果仍然可靠性仍然存疑。例如，Sycamore在进行20轮仿真后只能保证0.2％的精度。量子计算机中的粒子由于其脆弱的条件也容易受到周围环境的影响。 尽管笔记本电脑的中央处理器可以无故障运行数年，但Google量子芯片必须每隔几微秒就停止一次。 谷歌对其量子芯片的主张也受到了美国科学界一些人士的质疑。例如，IBM已经发布了一项研究，声称谷歌的量子模拟被夸大了，因为它可以在几天之内在经典计算机上完成，即使不是更快。 但是，量子计算机是人类科学技术的圣杯。它引起了政府，私人投资者和公众的极大兴趣。然而，对突破寄予立竿见影的厚望是不切实际的，并且可能迫使量子研究人员为寻求更多的资金和支持，“走在现实与科幻小说之间的狭窄道路上”。
人工智能将极大提高处理速度，彻底改变量子研究，并最终可能为研发比现有技术快10亿倍、甚至1万亿倍的超级计算机铺平道路。
这是中国科学技术大学李传峰量子研究团队，最近发表在权威的国际物理杂志《物理评论快报》（Physical Review Letters）上的研究结果。该研究将机器学习技术应用于研究量子力学基础问题， 首次实验实现了基于机器学习算法的多重非经典关联的同时分类。香港《南华早报》对此进行了报道。
计算亚原子量子领域中粒子之间的相关性质与关系是一个耗时任务，而李传峰团队的研究通过机器学习技术大大节省这一耗时任务的计算时间。 这项研究是中国科学技术大学李传锋、许金时等人与南方科技大学翁文康教授以及中科院重庆绿色智能技术研究院任昌亮研究员等人合作。 该论文共同第一作者是中科院量子信息重点实验室博士生杨木（实验）和中科院重庆绿色智能技术研究院任昌亮研究员（理论）。
中国科学技术大学教授 李传锋
李传锋研究领域为量子光学与量子信息，在搭建量子纠缠网络及利用量子信息技术探索量子物理等方面取得了系列重要成果。目前，已发表SCI论文210余篇，其中以第一/通讯作者发表Nature子刊14篇，PRL24篇。此外，还是 国家杰出青年科学基金获得者(2013)，教育部长江学者特聘教授(2014)。 首次实验性地实现了基于机器学习算法的多个非经典关联的同时分类 量子技术的力量来自与量子力学神秘力量联系在一起的粒子。例如，量子纠缠是指粒子之间的相关性，无论粒子之间的距离如何，粒子之间的相关性都会使一个粒子的变化立即影响另一个粒子。这些相关粒子的行为构成了量子信息处理的基础。 研究人员认为，这一点很重要，因为粒子之间的不同联系使它们适合不同的任务。除了量子纠缠之外，粒子还可以通过量子导引（这种矛盾现象以“薛定谔的猫”最为人熟知）或贝尔非定域性（该概念称在某些情况下粒子的性质可以通过对其测量而改变）发生联系。
大多数量子设备——从用于超安全通信的密钥分配网络、超快量子计算机到用于隐形飞机探测的量子雷达系统——仍然极其不适用，因为现在确立粒子之间联系的性质需要大量处理时间。
李传峰团队的研究表明，机器学习技术可以以前所未有的速度和准确性评估粒子之间关系的性质。
他们通过巧妙的实验设计，在光学系统中制备出一簇参数可调的两比特量子态。通过只输入量子态的部分信息（两个可观测量的值），利用神经网络、支持向量机以及决策树等机器学习模型对455个量子态的非经典关联属性进行学习，成功地实现了多重非经典关联分类器。
图1： 非经典关联分类实验装置图
实验结果表明，基于机器学习算法的分类器能以大于90%的高匹配度同时识别量子纠缠、量子导引和贝尔非定域性等不同的量子关联属性，而且无论在资源消耗还是时间复杂度上都远小于传统判据所依赖的量子态层析方法。 “它的工作原理就像分离矿物。”李传峰教授说，“AI能告诉我们矿石是否包含金、铁或铜，因此我们可以利用它们来达到不同的目的，这在以前这是不可能做到的。”
图2： 三种人工智能模型对非经典关联进行分类的工作原理示意图，（a）神经网络，（b）支持向量机，（c）决策树。 无须完整粒子信息，机器即可进行评估
从用于超安全通信的密钥分配网络，超速量子计算机，到用于检测隐形飞机的量子雷达系统，大多数量子设备仍然极其不适用，因为现在确立量子之间联系的性质需要大量处理时间。 但目前为止，量子研究人员还必须测量一套完整的物理性质，以确定粒子之间的关联类型。这是一项艰巨且耗时的工作，并且当粒子数量增加时，工作量会呈指数增长。这种方法将大大增加量子信息处理的资源供给。 “归根结底，我们也许能够分辨出这不是一块金，但是这样没有办法知道更多。”李教授解释道。 几十年来，中科大的研究人员一直在进行量子实验， 并积累了大量数据。 在此基础上，李教授的团队建立了一个数据集，包含400多对通过不同类型的连接精心挑选出来的粒子，连接类型包括量子纠缠、量子导引和贝尔非定域性。 然后，研究人员利用这些数据集，并使用深度学习算法来训练计算机，以测量粒子的物理性质。人工智能现在可以达到高于90％的测量精度，并且计算时间大幅减少， 过去花一个小时的计算现在可以在不到一秒钟的时间内完成。 另外，不需要每个粒子的完整信息，机器即可进行评估。根据该论文，研究人员只需将两种物理性质的详细信息输入到机器中，然后就可以填补空白并对结果做出正确的估计。 李传峰说： “这种方法将大大增加用于量子信息处理的资源供应。”这不是研究的终点，也不意味着AI能比人脑对量子物理学的掌握要好
一些研究人员说，人工智能和量子计算的结合可能最终导致机器的智能等于或大于人类。
同时，重庆绿色智能技术研究院副研究员、论文作者之一的任昌亮认为，这一突破并不意味着人工智能比人脑对量子物理学的掌握要好。“我们标注数据、训练机器、进行纠错，AI是在人类的指导下完成计算的。”他说，“它并不比我们聪明。” 与传统方法相比，人工智能的另一个明显优势是它可以更有效地处理多维问题，量子物理学中有很多维度。 任昌亮说：“两个世界似乎有很好的匹配。”
最后，该研究团队表示，这不是研究的终点。该团队正计划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，该技术预计会比目前最强大的超级计算机快1万亿倍。Google的量子突破并不意味着中国输掉了量子计算机竞赛 在此次研究前，谷歌在Nature发文实现“量子优越性”，对此，中国量子计算团队的负责人潘建伟教授认为，美国现在已经超过了中国，但这“绝对不是终点”，而潘教授的团队成员也表示，中国团队仍然有希望实现量子至上， 科学和技术的“圣杯”竞赛才刚刚开始。 对此，也有不同观点认为中国相关研究起步较缓。有量子科学家称，Google在13年前启动了量子计算机程序，其他美国公司（例如IBM）也已经进行了大量投资并建造了原型机，但中国直到最近才开始类似的工作。 以上观点，也有反驳声音。就目前而言，可用的量子计算机还有很长的路要走，目前美国和中国的先进技术都没有任何实际应用。 “中美在量子计算机技术上的差距并不没有那么大。”北京大学量子物理学教授吴飚就说道， “我们还没有离开起跑线。如果有任何区别，那可能没什么大不了，因为我们离任何实际的应用程序都还很远。”
期待量子研究突破立竿见影是不切实际的，可能迫使量子研究游走在科幻小说与现实之间
如今，量子计算机产生的结果仍然可靠性仍然存疑。例如，Sycamore在进行20轮仿真后只能保证0.2％的精度。量子计算机中的粒子由于其脆弱的条件也容易受到周围环境的影响。 尽管笔记本电脑的中央处理器可以无故障运行数年，但Google量子芯片必须每隔几微秒就停止一次。 谷歌对其量子芯片的主张也受到了美国科学界一些人士的质疑。例如，IBM已经发布了一项研究，声称谷歌的量子模拟被夸大了，因为它可以在几天之内在经典计算机上完成，即使不是更快。 但是，量子计算机是人类科学技术的圣杯。它引起了政府，私人投资者和公众的极大兴趣。然而，对突破寄予立竿见影的厚望是不切实际的，并且可能迫使量子研究人员为寻求更多的资金和支持，“走在现实与科幻小说之间的狭窄道路上”。
扫描下方二维码，关注公众号
科研人员 公众号
科研界
即时工作、学习、生活的
资讯平台
最重要的不漏
给您精中选优
关注公众号
即时获知最新信息
Copyright © 2015 Science And Technology Investment Network.All Rights Reserved 版权所有：科技与投资
地址：北京市海淀区翠微中里14号楼，北京市海淀区北蜂窝路21号院
ICP备案号：京ICP备15022117号-1