日常生活也受量子物理定律支配!用神经网络,模拟量子系统!

职场故事 阅读(1234)
fg电子

即使在日常生活的规模上,自然也受量子物理定律的支配。这些定律解释了一些常见现象,例如光,声,热,甚至是台球上球的轨迹。然而,当应用于大量相互作用粒子时,量子物理定律实际上预测了许多违反直觉的现象。

为了研究由许多粒子组成的量子系统,物理学家必须首先能够模拟它们,这可以通过求解描述超级计算机内部工作方程的方程来实现。

虽然摩尔定律预测计算机处理能力每隔几年就会翻倍,但它与解决量子物理挑战的能力相去甚远。根据EPFL纳米系统理论物理实验室主任Vincenzo Savona教授的说法,原因是量子系统的性质非常复杂,并且需要随着量子系统的大小而呈指数增加的计算能力。这是一个“本质上很复杂”的任务。“当等效子系统打开时,事情会变得更复杂,这意味着它会受到周围环境的干扰。

然而,有效模拟开放量子系统的工具是必要的,因为大多数现代量子科学和技术实验平台都是开放系统,物理学家一直在寻找新的方法来模拟和测试它们。然而,由于使用神经网络模拟量子系统的新计算方法,已经取得了重大进展。该方法由Savona和epfl博士生Alexandra Najib开发,由巴黎狄德罗大学,爱丁堡赫瑞瓦特大学和纽约铁研究所的科学家独立开发。该研究的全部结果发表在三篇研究论文《物理评论快报》中。

研究基本上将神经网络和机器学习的进步与量子蒙特卡罗工具结合起来。科学家已经训练了一个神经网络来同时代表量子系统的许多量子态,其中量子系统可以由其环境组成。投影的影响。神经网络方法使物理学家能够预测相当大小和任意几何的量子系统的特性。这是一种新的计算方法,解决了开放量子系统的问题,这是一种通用的,具有很大的扩展潜力。这种方法将成为研究复杂量子系统的首选工具,并将在展望未来时评估噪声对量子硬件的影响。

件。该研究任务的挑战是密度矩阵复杂度随着系统的大小呈指数增长。本研究基于变分蒙特卡罗方法和密度矩阵神经网络所代表的变分方法,有效地模拟了马尔可夫开放量子系统的非平衡稳态。由于随机重构方案,变分原理的应用转化为量子主方程的实际积分。通过建立二维耗散模型验证了该方法的有效性。

博科公园

2019.08.13 14: 41 *

字数898

即使在日常生活的规模上,自然也受量子物理定律的支配。这些定律解释了一些常见现象,例如光,声,热,甚至是台球上球的轨迹。然而,当应用于大量相互作用粒子时,量子物理定律实际上预测了许多违反直觉的现象。

为了研究由许多粒子组成的量子系统,物理学家必须首先能够模拟它们,这可以通过求解描述超级计算机内部工作方程的方程来实现。

虽然摩尔定律预测计算机处理能力每隔几年就会翻倍,但它与解决量子物理挑战的能力相去甚远。根据EPFL纳米系统理论物理实验室主任Vincenzo Savona教授的说法,原因是量子系统的性质非常复杂,并且需要随着量子系统的大小而呈指数增加的计算能力。这是一个“本质上很复杂”的任务。“当等效子系统打开时,事情会变得更复杂,这意味着它会受到周围环境的干扰。

然而,有效模拟开放量子系统的工具是必要的,因为大多数现代量子科学和技术实验平台都是开放系统,物理学家一直在寻找新的方法来模拟和测试它们。然而,由于使用神经网络模拟量子系统的新计算方法,已经取得了重大进展。该方法由Savona和epfl博士生Alexandra Najib开发,由巴黎狄德罗大学,爱丁堡赫瑞瓦特大学和纽约铁研究所的科学家独立开发。该研究的全部结果发表在三篇研究论文《物理评论快报》中。

研究基本上将神经网络和机器学习的进步与量子蒙特卡罗工具结合起来。科学家已经训练了一个神经网络来同时代表量子系统的许多量子态,其中量子系统可以由其环境组成。投影的影响。神经网络方法使物理学家能够预测相当大小和任意几何的量子系统的特性。这是一种新的计算方法,解决了开放量子系统的问题,这是一种通用的,具有很大的扩展潜力。这种方法将成为研究复杂量子系统的首选工具,并将在展望未来时评估噪声对量子硬件的影响。

件。该研究任务的挑战是密度矩阵复杂度随着系统的大小呈指数增长。本研究基于变分蒙特卡罗方法和密度矩阵神经网络所代表的变分方法,有效地模拟了马尔可夫开放量子系统的非平衡稳态。由于随机重构方案,变分原理的应用转化为量子主方程的实际积分。通过建立二维耗散模型验证了该方法的有效性。

即使在日常生活的规模上,自然也受量子物理定律的支配。这些定律解释了一些常见现象,例如光,声,热,甚至是台球上球的轨迹。然而,当应用于大量相互作用粒子时,量子物理定律实际上预测了许多违反直觉的现象。

为了研究由许多粒子组成的量子系统,物理学家必须首先能够模拟它们,这可以通过求解描述超级计算机内部工作方程的方程来实现。

虽然摩尔定律预测计算机处理能力每隔几年就会翻倍,但它与解决量子物理挑战的能力相去甚远。根据EPFL纳米系统理论物理实验室主任Vincenzo Savona教授的说法,原因是量子系统的性质非常复杂,并且需要随着量子系统的大小而呈指数增加的计算能力。这是一个“本质上很复杂”的任务。“当等效子系统打开时,事情会变得更复杂,这意味着它会受到周围环境的干扰。

然而,有效模拟开放量子系统的工具是必要的,因为大多数现代量子科学和技术实验平台都是开放系统,物理学家一直在寻找新的方法来模拟和测试它们。然而,由于使用神经网络模拟量子系统的新计算方法,已经取得了重大进展。该方法由Savona和epfl博士生Alexandra Najib开发,由巴黎狄德罗大学,爱丁堡赫瑞瓦特大学和纽约铁研究所的科学家独立开发。该研究的全部结果发表在三篇研究论文《物理评论快报》中。

研究基本上将神经网络和机器学习的进步与量子蒙特卡罗工具结合起来。科学家已经训练了一个神经网络来同时代表量子系统的许多量子态,其中量子系统可以由其环境组成。投影的影响。神经网络方法使物理学家能够预测相当大小和任意几何的量子系统的特性。这是一种新的计算方法,解决了开放量子系统的问题,这是一种通用的,具有很大的扩展潜力。这种方法将成为研究复杂量子系统的首选工具,并将在展望未来时评估噪声对量子硬件的影响。

件。该研究任务的挑战是密度矩阵复杂度随着系统的大小呈指数增长。本研究基于变分蒙特卡罗方法和密度矩阵神经网络所代表的变分方法,有效地模拟了马尔可夫开放量子系统的非平衡稳态。由于随机重构方案,变分原理的应用转化为量子主方程的实际积分。通过建立二维耗散模型验证了该方法的有效性。