機器學習，神經網絡能否揭開：量子物理學的神秘面紗？

2020-10-18 博科園

對電子複雜行為的理解促使了一些改變社會的發現，比如電晶體的發明使計算機革命成為可能。今天，通過技術的進步，人們可以比過去更深入地研究電子行為，從而有可能實現像個人電腦那樣改變世界的科學突破。然而，這些工具生成的數據太複雜，人類無法解釋。科內爾領導的一個團隊開發了一種利用機器學習來分析掃描隧道顯微鏡(STM)生成數據的方法，掃描隧道顯微鏡是一種技術，它可以生成亞原子尺度的圖像。

顯示不同能量下材料表面的電子運動，提供任何其他方法都無法獲得的信息，物理學教授Eun-Ah Kim說：其中一些照片是用20年來被認為是重要而神秘的材料拍攝，想知道這些照片中隱藏著什麼樣的秘密，想要解開這些秘密。其研究2019年6月19日發表在《自然》上，第一作者是張毅，他曾是Kim實驗室的博士後研究員，現在在中國北京大學，和Andrej Mesaros（曾是Kim實驗室的博士後研究員，現在在法國巴黎南方大學）。

合著者包括J.C. Seamus Davis，康奈爾大學James Gilbert White傑出的物理科學教授，stm驅動研究的創新者。這項研究對電子如何相互作用產生了新的見解，並展示了如何利用機器學習來推動實驗量子物理學的進一步發現。在亞原子尺度上，一個給定的樣本將包括數萬億個相互作用的電子和周圍環境，電子的行為在一定程度上是由它們兩種相互競爭傾向之間的張力決定：移動，與動能有關；遠離彼此，與排斥相互作用能有關。

在這項研究中，Kim和合作者著手發現在高溫超導材料中哪種傾向更重要。利用STM，電子在顯微鏡的導電端和被檢測樣品表面之間通過真空隧道，提供了關於電子行為的詳細信息。問題是，當把這樣的數據記錄下來，得到類似圖像的數據，但它不是像蘋果或梨那樣的自然圖像，儀器產生的數據更像一個圖形，比傳統的測量曲線複雜一萬倍左右，我們沒有一個好的工具來研究這類數據集。

為了解釋這些數據，研究人員模擬了一個理想的環境，並添加了會導致電子行為變化的因素。然後訓練了一個人工神經網絡(一種人工智慧，可以使用受大腦工作方式啟發的方法學習特定任務)來識別與不同理論相關的環境。當研究人員將實驗數據輸入神經網絡時，神經網絡會決定哪一種理論與實際數據最相似。這種方法證實了排斥相互作用能對電子行為影響更大的假設。

更好地理解在不同材料和不同條件下有多少電子相互作用，可能會導致更多的發現，包括新材料的開發。導致電晶體最初革命的材料實際上是非常簡單的材料，現在我們有能力設計更複雜的材料，如果這些強大的工具能夠揭示出通向理想屬性的重要方面，希望能夠利用這種屬性製作出一種材料。

博科園｜研究/來自：康奈爾大學

參考期刊《自然》

DOI: 10.1038/s41586-019-1319-8

博科園｜科學、科技、科研、科普

相關焦點

  • 量子物理學機器學習:讓人工智慧學習與運用量子力學
    在剛出版的《 自然通訊 》上，發表了一篇科技論文，題為：「將機器學習和量子化學與分子波函數的深度神經網絡統一起來」，科學家們讓人工智慧學習與運用量子力學。在當代醫學和工業應用中的新型專用分子的化學計算設計過程中，需要求解一些方程。
  • 基於複數神經網絡首發量子機器學習開發工具 「量槳」,飛槳布局...
    特別值得一提的是，峰會現場飛槳率先宣布支持複數神經網絡，支持跨學科的機器學習研究。事實上，去年11月百度大腦就曾發布基於複數CNN網絡語音增強及聲學建模的「一體化」端到端建模技術，前瞻性遙遙領先。此次峰會，百度再次基於複數神經網絡，首發量子機器學習開發工具量槳。飛槳賦能量子計算，成為國內首個、目前也是唯一一個支持量子機器學習開發工具的深度學習平臺。
  • 揭秘量子計算機:仍存諸多瓶頸,首要工作是加速機器學習
    編者按：量子計算與機器學習的融合已經成為一個蓬勃發展的研究領域，它能否達到人們對其的期望呢？《量子》雜誌發表了一篇文章詳細介紹了量子計算機的發展狀況及其在機器學習中的運用。文章由36氪編譯。上世紀90年代初，威奇託州立大學的物理學教授伊莉莎白·貝爾曼(Elizabeth Behrman)開始致力於將量子物理與人工智慧（特別是當時備受爭議的神經網絡技術）結合起來的時候，大多數人都認為她是在將水和油混合在一起。「我花了好長時間才將論文發表出來，」她回憶說。「神經網絡期刊會問，『量子力學是什麼？』物理期刊會問，『神經網絡是什麼？』」
  • 我們的宇宙弄不好真的是個神經網絡
    今年夏天上傳到arXiv的挑釁性預印本中，明尼蘇達州德盧斯大學的物理學教授Vitaly Vanchurin試圖以一種特別大開眼界的方式重構現實-暗示我們生活在一個龐大的神經網絡中，該網絡控制著周圍的一切我們。換句話說，他在論文中寫道，這是「整個宇宙在其最基本的層面上都是神經網絡的可能性。」
  • 很火的量子計算遇上更火的機器學習,能發生什麼
    早在上世紀90年代，威奇塔州立大學的物理學教授伊莉莎白·貝爾曼（Elizabeth Behrman）開始致力於研究量子物理與人工智慧的結合，而其中的神經網絡在當時還堪稱是特立獨行的技術。大多數人認為她在把油和水進行混合。她回憶說：「我花了很長時間才把論文出版。與神經網絡相關的期刊會說，』量子力學是什麼？』，物理期刊會說，』神經網絡是什麼？』」
  • 神奇的四氧化三鐵,揭開奇異現象的神秘面紗
    雖然故事眾說紛紜、誇大離奇，充滿了恐怖色彩，但我們用科學揭開奇異故事的神秘面紗，真像不僅讓我們領略了科學的魅力，而且對我們的現代生在活也有積極意義。大家可能聽說過1992年故宮的靈異事件：那是一個電閃雷鳴，風雨交加的下午，遊客們突然看到故宮的紅牆邊出現了行走的宮女，並用相機拍下了這靈異的一幕。
  • 神經網絡厲害了!編碼量子力學定律,幾毫秒內模擬分子運動!
    洛斯阿拉莫斯國家實驗室、北卡羅來納大學教堂山分校和佛羅裡達大學的最新研究表明，人工神經網絡可以被訓練成編碼量子力學定律來描述分子的運動，這可能會在大範圍的領域進行超級模擬。量子力學(QM)算法用於經典計算機，能夠準確地描述化合物在其運行環境中的力學運動。但是量子力學在不同分子大小的情況下很難擴展，這嚴重限制了可能的模擬範圍。在模擬中，即使分子大小稍有增加，也會極大地增加計算負擔。因此，從業人員經常求助於使用經驗信息，這些經驗信息根據經典物理學和牛頓定律描述原子運動，使模擬能夠擴展到數十億個原子或數百萬種化合物。
  • 機器學習助力凝聚態物理研究:實現拓撲量子計算的新希望
    瑞士研究小組展示了一種更狡猾的招數，因為他們能讓神經網絡理解這些而無需提前訓練它們。通常在機器學習中，你是給機器學習設定一個目標：找出狗的樣子。「用 10 萬張圖片訓練網絡，」Huber 說，「圖片裡有狗，你可以隨時告訴它。如果沒有，你也能告訴網絡。」但是，物理學家壓根兒沒辦法告訴網絡什麼是相變：他們只能給網絡展示粒子集合。足夠多的不同相足以讓計算機學會識別每一種相。
  • 施鬱：揭開量子的神秘面紗
    當時著名物理學家開爾文勳爵宣稱，物理學晴朗的天空中有兩朵烏雲。當時物理學天空的第二朵烏雲是熱輻射的能量問題1922年，愛因斯坦因為「光電效應定律的發現」而獲得1921年諾貝爾物理學獎量子力學建立以後，成為整個微觀物理學的理論框架
  • 揭開「九章」的神秘面紗，了解量子計算機的原理
    同時，「九章」也等效地比谷歌去年發布的53個超導比特量子計算機原型機「懸鈴木」快一百億倍。然而，很多讀者在驚嘆這一重大科研成果的同時，卻對其中的原理、成果的意義、量子計算機的應用前景不明就裡，甚至有讀者反映，「每個漢字都認識，但還是不懂」。為此，本報記者採訪了相關專家，嘗試揭開「九章」神秘的面紗，了解量子計算機的原理。
  • 興業證券金工首席集體亮相 揭開量化投資神秘面紗
    原標題：興業證券金工首席集體亮相 揭開量化投資神秘面紗 來源：新浪財經原標題：興·訪談 | 論賣方研究員的自我修養！興證金工首席集體亮相 揭開量化投資神秘面紗來源：興業證券訂閱號在很多投資者眼中，量化投資一直是一個神秘的存在，通過海量的處理數據和高頻次的交易，從股票市場的數據海洋中找到一條通往彼岸的方舟，這看似是一件不可能完成的任務。而在證券分析師中，有這樣一群人，他們通過在計算機上建模編程，對市場進行預測和交易，通過計算機交易來克服人性的弱點。他們就是金融工程分析師。
  • 金融領域裡的機器學習算法介紹:人工神經網絡
    人工智慧的發展在很大程度上是由神經網絡、深度學習和強化學習推動的。這些複雜的算法可以解決高度複雜的機器學習任務，如圖像分類、人臉識別、語音識別和自然語言處理等。這些複雜任務一般是非線性的，同時包含著大量的特徵輸入。我們下面我們將分幾天的時間對這些算法及其在金融領域的應用進行闡述。
  • 物理學家的瘋狂想法：整個宇宙可能只是個神經網絡
    但在今年夏天，明尼蘇達州德盧斯大學的一位物理學教授維塔利·萬奇林試圖以一種特別令人大開眼界的方式來重構現實，他表示我們生活在一個巨大的神經網絡中，它支配著我們周圍的一切。多年來，物理學家一直試圖調和量子力學和廣義相對論。
  • 物理學家:宇宙從根本上來說可能是一個神經網絡
    最近傳到arXiv的一篇論文預印本，題為：「作為神經網絡的世界」（The world as a neural network），明尼蘇達州德盧斯大學的物理學教授、維塔利·范楚林（Vitaly Vanchurin）以一種特別大膽的方式描述宇宙現實，提出：「整個宇宙在其最基本的層面上可能是神經網絡。」我們生活在一個龐大的神經網絡中，這個宇宙神經網絡控制著我們周圍的一切。」
  • 深度卷積神經網絡應用於量子計算機
    量子計算機有望在許多領域幫助解決難題，包括機器學習。本文詳細講述量子計算機上卷積神經網絡（CNN）的理論實現。我們將此算法稱為QCNN，我們證明了它可以比CNN 更快地運行，並且精度很高。另一方面，機器學習，尤其是神經網絡，正在粗略地使用向量和矩陣來理解或處理數據。量子機器學習（QML）旨在使用量子系統對向量進行編碼，並使用新的量子算法對其進行學習。一個關鍵的概念是在許多矢量上使用量子疊加，我們可以同時處理它們。
  • 量子化學機器學習模擬:提供了誘人的化學前景
    量子化學是應用量子力學的規律和方法來研究化學問題的一門交叉學科。將量子理論應用於原子體系還是分子體系是區分量子物理學與量子化學的標準之一。最早的量子化學計算是1927年布勞（.Burrau）對H+2離子以及同年瓦爾特·海特勒和弗裡茨·倫敦對H2分子的計算，開創量子化學這一交叉學科。經過近八十年發展之後，量子化學已經成為化學家們廣泛應用的一種理論方法。
  • 量子機器學習``量子數據''
    機器學習可用於量子數據（與經典數據相反），克服了這些應用程式所存在的顯著速度下降，並為「開發量子系統的計算見解提供了沃土」。已經開發出量子算法來增強一系列不同的計算任務；最近，它已經包括量子增強的機器學習。量子機器學習部分是由Skoltech駐地量子信息處理實驗室首創的，該實驗室由本文的研究者Jacob Biamonte領導。他說：「機器學習技術已經成為查找數據模式的強大工具。量子系統產生的非典型模式被認為無法有效地產生於經典系統，因此在計算機學習任務上量子計算機的性能要優於傳統計算機也就不足為奇了。」
  • 機器學習與人工智慧之六:人工神經網絡
    觀眾老爺這期講機器學習的神經網絡算法，本來小編想先介紹基於我們人類知識和規則的機器學習的，但想著打鐵要趁熱，上期我們將人類的視覺系統進行了建模，今天咱們了解一下機器學習的人工神經網絡算法，這樣能比對出機器與人的差異，也能深入理解人工智慧算法具體的實現和原理。
  • 揭開納米藥物的神秘面紗
    今天就讓我們揭開納米藥物的神秘面紗。什麼是納米藥物納米藥物根據生產方式的不同，大體分為兩類。一類是納米顆粒作為藥物載體，把藥物溶解後包裹於內，或者吸附在載體表面。另一類是將原材料加工製成的納米粒，或研發的新型納米作為診療藥物。
  • 機器學習加快了量子化學計算的速度
    現在，得益於使用機器學習的新型量子化學工具，量子化學計算的執行速度比以前快了1,000倍，從而使精確的量子化學研究比以往任何時候都快。米勒說：「在量子化學中，計算的準確性和所花費的時間之間存在著令人費解的相互作用。」 「您將開始計算，然後說，'好吧，星期二見。' 但是現在，計算可以交互進行。」OrbNet使用圖神經網絡，這是一種機器學習系統，它將信息表示為包含數據的「節點」和「邊緣」，以表示這些數據塊之間的關聯方式。