当研究人员们在量子计算机上做实验的时候，基本上相当于在黑暗中摸索。毕竟当前的计算机速度太慢，无法验证任何量子实验的结果。不过来自纽约熨斗研究所（Flatiron Institute）的一支团队，却认为可以通过人工智能（AI）来填补这个鸿沟。该团队开发了一种据信能够改变我们测量量子态的方法，为了证明，他们特地进行了一番模拟实验。
据了解，这个方法涉及打造一套软件工具，即借助神经网络来预测量子比特（qubit）的潜在的各个位置。
普通计算机只能够通过普通的比特位（bit）来模拟一个量子系统，即“0”或“1”，而量子比特能够同时出现两种叠加态。
大约 200 个量子比特位的模拟，就要动用 1×百万×万亿×万亿 次的运算（是的，你没有看错）—— 这显然不是一件简单的事情。
量子比特并不是各自为战，而是会与其它量子比特纠缠产生更多的排列，从而极大地增加了必要的实验数量。
好消息是，Flatiron 团队的新方法，借助了机器学习来完成艰难的工作 —— 这让一台普通计算机也能够运行算法，而不是全面的 1 对 1 模拟。
这意味着只需百次排序，即可完成针对一个 8 量子比特系统的模拟，而不是动辄上百万。此外，新方法也能够在规模更大的量子系统上套用。
简而言之，研究团队开发的这种 AI 算法，可以高效地校准一个量子系统。神经网络支撑的该软件，只会采集很小的数据样本来运行模拟，以及将信息翻译成人类可以理解的样子。
完善之后，这类机器学习应用还可以在实验模拟之外的领域发挥作用。论文合著者 Giuseppe Carleo 在接受 Eureka Alert 采访时表示：
我们可以在其它环境中开发对应的方法，没准未来的一辆自动驾驶汽车，也可以在一台量子机器上运行呢？
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
