对于量子多体物理中的一些现象，存在着几种相互矛盾的理论。但是哪一个描述量子现象最好的呢？来自慕尼黑工业大学(TUM)和美国哈佛大学的一组研究人员已经成功地将人工神经网络用于量子系统的图像分析。

那是一只狗还是一只猫？这样的分类是机器学习一个主要例子：人工神经网络可以通过寻找特定对象的特征来训练分析图像。

只要系统已经学会了这种模式，它就能够识别任何图片上的猫或狗。利用同样的原理，神经网络可以检测组织在放射图像上的变化。物理学家们现在使用这种方法来分析量子多体系统的图像，即所谓的快照，并找出哪种理论能最好的描述观测到的现象。研究固体和液体凝聚态物理学中的一些现象仍然笼罩在神秘之中。

概率的量子世界

到目前为止，高温超导体的电阻在-200摄氏度左右降至零的原因仍然是个谜。理解这种异常的物质状态是一项挑战：基于超冷锂原子的量子模拟器已经被开发出来，用于研究高温超导体物理学，拍摄量子系统的快照，而量子系统同时以不同的构型存在——物理学家们称之为叠加。

量子系统的每个快照根据其量子力学概率给出一个特定的构型。为了理解这样的量子系统，科学家建立了各种各样的理论模型。但在多大程度上反映了现实？这个问题可以通过分析图像数据来回答。

神经网络研究量子世界

为此，慕尼黑工业大学(Technical University of Munich)和哈佛大学(Harvard University)的一个研究团队成功地运用了机器学习：研究人员训练了一个人工神经网络来区分两种相互竞争的理论。南通大学的博士生安娜贝尔·波尔特(Annabelle Bohrdt)说：就像在图片中检测猫或狗一样，每种量子理论的构型图像都被输入到神经网络中。然后对网络参数进行优化，使每个图像都有正确的标签。

在这种情况下，它们只是理论A或理论B，而不是猫或狗。经过理论数据的训练阶段后，神经网络必须将所学知识应用到量子模拟器中，并将快照分配到理论A或理论b中，从而选择更具预测性的理论。在未来，研究人员计划使用这种新方法来评估几种理论描述的准确性。目的是了解高温超导的主要物理效应，它有许多重要的应用，如无损输电和高效磁共振成像等。

博科园｜研究/来自：慕尼黑技术大学

参考期刊《自然物理学》

DOI: 10.1038/s41567-019-0565-x

博科园｜科学、科技、科研、科普