机器学习助力凝聚态物理研究：实现量子计算的新希望

正文

请到「今天看啥」查看全文

把一盘水放到冰箱里，它暂时呈现的是液体。然后水的分子堆积成小六边形，就形成了冰。把超冷的液氮倾倒在钇钡铜氧化物晶片上，电流流过该化合物要比大学生喝啤酒过喉咙所受的阻碍都要小。这意味着你得到了超导体。

这种物质特性的急剧转变被称为相变，深受物理学家的喜爱。就像是 Jekyll 博士瞬间变成了 Hyde 先生（史蒂文森著作《化身博士》中的人物，后者是前者的交替人格——机器之心注）。如果能够搞清楚正直的 Jekyll 博士变形的秘方，那物理学家就能理解他是如何变邪恶的了，或者能造出更多的 Hyde 先生。

人类物理学家可能永远不会拥有能够看清相变的神经湿件（neural wetware，也就是人脑），但现在计算机却可以。最近发表在 Nature Physics 上的两篇论文中，来自加拿大圆周理论物理研究所（Perimeter Institute）和苏黎世联邦理工学院的两只团队都表示，训练神经网络观察仅数百个原子的快照，就能搞清楚它们所处的相（phase of matter)。

加拿大论文作者之一 Roger Melko

工作原理非常类似于 Facebook 的自动标签。加拿大那一篇论文的合作者、物理学家 Juan Carrasquilla 说，「我们改变了 Facebook 使用这一技术进行图像识别的目的。」他现在正在量子计算公司 D-Wave 工作。联合论文的另一合作者、滑铁卢大学副教授、圆周理论物理研究所研究员 Roger Melko 说，他们改用开源的机器学习软件库 TensorFlow，将它应用到了物理系统研究中。

当然，面部识别、水变成冰、Jekyll 博士变成 Hydes 并不是这些科学家的目的。他们想要使用人工智能来理解有商业潜在应用的边缘现象（fringey phenomena），比如为什么一些材料会变成超导体无限接近绝对零度，而一些材料相变后只是温和的低于零下 150 摄氏度。苏黎世论文的合作者 Sebastian Huber 说，「高温度的超导体可能对科技有帮助，而我们对它们的理解非常少。」

他们还想增进对奇异的相（物质），亦即拓扑态的理解，在这一状态下，量子粒子行为会比平常更为奇异。（发现拓扑量子相变的物理学家获得 2016 年诺奖）。像光子或原子这样的量子粒子变换物理状态要相对容易些，但是，拓扑态就比较坚实。这意味着他们或许能被用来搭建量子计算机，比如 微软的量子计算机的存储器 。

请到「今天看啥」查看全文