一个国际物理学家团队发现，深度学习人工智能技术可以准确地量化给定系统中的纠缠量——之前的研究表明，给定系统的“量子”程度可以用一个数字来描述。在他们发表在《科学进展》杂志上的论文中，研究小组描述了他们的技术，以及在现实环境中测试时的效果。
在过去的几年里，随着科学家们对纠缠的了解越来越多，他们发现，为了使其在应用中有用，这种系统的设计者需要一种方法来确定其纠缠的程度。当然，这带来了一个问题，因为测量量子态会破坏它。
为了解决这个问题，物理学家们开发了一种被称为量子断层扫描的技术，即制造一个状态的多个副本，并对每个副本进行测量。这种技术可以确保100%的准确性，但它是详尽的，需要相当大的计算能力。另一种方法是使用有限的系统状态信息进行有根据的猜测。这涉及到精度和资源使用之间的权衡。在这项新的努力中，研究团队为这个问题带来了一个新工具:深度学习神经网络。
该团队使用人工智能技术来提高对给定系统纠缠程度的估计精度，而不是直接测量它们。为此，人工智能应用程序被教导使用另一个提供数值数据的系统生成的数据来研究纠缠量子态。然后，人工智能应用程序使用得到的数据对缠结程度进行连续估计，每次运行都会变得更加精确。
研究人员通过对模拟获得的第二组数据进行训练来测试他们的方法，发现误差率比传统估计方法低10倍。然后他们再次进行了测试，这次是在真实的环境中。他们发现用模拟数据测量的改善程度相同。
©2023 Science X Network
本文来自作者[admin]投稿，不代表赛金网络立场，如若转载，请注明出处：https://hnsjwl.cn/zsfx/202506-582.html
评论列表（4条）
我是赛金网络的签约作者“admin”！
希望本篇文章《利用人工智能精确测量系统中的纠缠程度》能对你有所帮助！
本站[赛金网络]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：...