作者:冲绳科学技术研究所露西·迪基
薛定谔的猫说明了叠加的悖论
在这个场景中，一只猫被放在一个装有毒药的封闭盒子里
过了一会儿，猫可以被认为是同时活着和死了
与量子力学类似，这指的是量子粒子同时存在于两个阱中
如果有人将盒子完全打开，他们会发现这只猫是活着还是死了，这样普通的古典世界的规则就会恢复
然而，如果打开盒子一点点，他们可能只看到猫的一小部分，也许是尾巴，如果他们看到尾巴抽搐，他们可能会假设，没有把握，猫还活着
这是指机器给研究人员作为数据点的微弱测量值
学分:冲绳科技学院 在日常生活中，我们可以以几乎无限的精度进行测量
但是在量子世界——原子、电子、光子和其他微小粒子的领域——这变得更加困难
每次测量都会干扰物体并导致测量误差
事实上，从使用的仪器到系统的属性，一切都可能影响结果，科学家称之为噪音
使用噪声测量来控制量子系统，尤其是实时控制，是有问题的
因此，找到精确的基于测量的控制方法对于在量子技术中使用是至关重要的，例如强大的量子计算机和医疗成像设备
现在，来自日本冲绳科学技术研究院研究生院(OIST)和澳大利亚昆士兰大学的量子机器部门的一个国际研究小组已经通过模拟表明，强化学习，一种机器学习，可以用来产生精确的量子控制，即使有嘈杂的测量
他们的研究最近发表在《物理评论快报》上
博士；医生
该单位的博士后学者、该论文的主要作者Sangkha Borah用一个简单的例子解释了这个想法
“想象一个球在山顶上
球可以很容易地向左或向右滚动，但目的是保持它在同一个地方
要做到这一点，你需要看到它将向哪个方向发展
如果它倾向于向左，力需要施加在右边，反之亦然
现在，想象一台机器正在施加那个力，并且，使用强化学习，机器可以被教导施加多少力以及何时施加
" 强化学习常用于机器人学，机器人可以通过试错法学习走路
但是这种应用在量子物理领域很少见
尽管山顶上的球是一个具体的例子，但研究人员模拟的系统规模要小得多
这个物体不是球，而是一个在双井中移动的小粒子
博拉和他的同事试图用实时测量来控制
一个机器学习代理试图通过施加适当的力将球保持在斜坡的顶部
在这个片段中，代理没有通过强化学习进行任何训练，所以球移动不稳定
学分:冲绳科技学院 “这两个井的底部被称为量子基态，”博士说
比吉塔·萨尔马，本单位博士后学者，论文合著者
“这就是我们希望粒子最终定位的地方
为此，我们需要不断进行测量，以提取关于粒子状态的信息，并据此施加一定的力，将其推至基态
然而，量子力学中通常使用的测量方法不允许我们这样做
因此，我们需要一种更聪明的方法来控制系统
" 有趣的是，当处于基态时，粒子将同时在两个阱中
这被称为量子叠加，考虑到它在各种量子技术中的重要性，这是系统必须处于的状态
为了检测井内颗粒的位置，机器代理被给予来自连续弱测量的实时测量记录，其用作学习的数据点
因为这使用了一个加固环，机器从系统中获得的任何信息都将被用来使其未来的测量更加准确
增加这个系统复杂性的事实是，它是非线性的，这意味着它的输出变化与它的输入变化无关
与所谓的线性系统相比，这些系统令人困惑和混乱
对于这样的非线性系统，目前还没有量子控制的标准方法，但这项研究表明，通过强化学习，机器可以学习完全自主地控制量子系统
通过反复试验，代理人开始学习控制球，并施加适量的力使其保持在同一位置
学分:冲绳科技学院 经过5000次试验，代理人已经学会了如何施加必要的力来将球保持在所需的区域
学分:冲绳科技学院 “随着我们逐渐走向一个主要由人工智能主导的未来，探索人工智能(如机器学习)在解决一些无法通过常规手段解决的问题方面的效用的时机已经成熟，”Dr
博拉
“这尤其适用于在量子水平上控制粒子动力学，在量子水平上，一切都非常违反直觉
" 教授
OIST小组的负责人杰森·特瓦姆利补充道:“对于非线性系统，还没有有效的反馈控制方法
在这项工作中，我们已经表明强化学习确实可以有效地进行这种控制，这是惊人的和未来的
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
