（要闻）人工智能首次实现 多重量子关联的同时分类

本篇文章666字，读完约2分钟

近日，记者从中国科学技术大学获悉，郭广灿院士团队成员李传峰、徐进士与国内同行合作，应用机器学习技术研究量子力学基础问题，首次实现了基于机器学习算法的多个非经典关联的同时分类。这项成就最近发表在国际权威物理杂志《物理评论快报》上。

爱因斯坦、波多尔斯基、罗森对量子力学的完备性提出了质疑，后来被称为epr悖论。随着对epr佯谬的深入研究，人们逐渐明白爱因斯坦的“隔空鬼魅作用”来自于量子世界的非局域关联，可以进一步细分为量子纠缠、量子引导和贝尔非局域。各种量子关联已经成为量子信息领域的关键资源，发挥着重要作用。

然而，在任何给定的量子态中描述非经典关联仍然存在巨大的挑战。首先，它的计算极其复杂。其次，数据采集时间随着系统粒子数的增加呈指数增长。最后，不清楚是否有一个统一的框架可以通过同一组测量值或可观测值同时区分所有这些非经典关联。

机器学习通过一系列的训练数据，可以得到一个可以输出预测结果的函数或模型。通过巧妙的实验设计，在光学系统中制备了一组参数可调的2位量子态。通过只输入量子态的部分信息，利用神经网络、支持向量机、决策树等机器学习模型学习455个量子态的非经典关联属性，成功实现了多个非经典关联分类器。

实验结果表明，基于机器学习算法的分类器能够同时识别量子纠缠、量子引导和贝尔非局域性等不同的量子相关属性，匹配度高达90%以上，在资源消耗和时间复杂度方面远低于传统准则所依赖的量子态层析方法。

这一成果促进了人工智能与量子信息技术的深度交叉。未来，机器学习作为一种有效的分析工具，将有助于解决更多的量子科学问题。