作者:RIKEN
图1:三位RIKEN理论物理学家使用了一种模拟大脑中神经元连接方式的人工神经网络，来研究量子多体系统的温度演化
学分:KTSDESIGN/sciencepphotolibrary 三位RIKEN理论物理学家利用神经网络研究了原子和电子在有限温度下相互作用的方式
这些知识将有助于为先进计算的未来量子技术的发展提供信息
一种材料的许多性质，无论是常规的还是奇异的，都源于原子和电子根据量子力学的定律相互作用
理解这些所谓的量子多体系统对于预测和控制这些性质至关重要
此外，这些知识对于开发实际有用的设备(如量子计算机)至关重要
大量的相互作用使得即使对于接近绝对零度的温度，量子多体系统的建模也具有挑战性，但是随着温度的升高，这变得更加困难
能够解释热波动和量子波动之间非平凡相互作用的数值方法需要极高的计算成本，即使是世界上最强大的超级计算机也常常变得难以处理
来自RIKEN紧急物质科学中心的Yusuke Nomura说:“处理量子多体系统的数值复杂性意味着缺乏强有力的有限温度模拟方法。”
“为了克服这个困难，我们开发了几种使用机器学习的有效方法
" 野村与RIKEN的同事吉冈信行(Nobuyuki Yoshioka)和佛朗哥·诺里(Franco Nori)现在开发了两种数学技术，利用神经网络来模拟量子多体系统中的热效应
神经网络是一个相互连接的节点阵列，旨在以模仿大脑神经元的方式处理信息
神经网络已经在机器学习和人工智能中得到应用
野村解释说:“人工神经网络的灵活性使我们能够构建热平衡中多体量子态的紧凑而精确的表达式。”
三人组采取的第一个前沿方法是使用一种被称为深度玻尔兹曼机器的机器学习过程来创建一个被称为吉布斯态的量子多体系统的数学描述
他们的第二种方法采用所谓的随机抽样来优化网络参数
野村表示:“我们方法的最终目标是揭示复杂的有限温度现象，这些现象在广泛的领域仍未被探索，包括凝聚态物理、原子物理、统计力学和量子光学。”
“虽然我们需要改进这种方法，但我们相信它将使我们更好地了解量子多体系统的热行为，这反过来将为设计未来的量子器件和研究新的功能材料提供更坚实的基础。”
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
