當研究人員們在量子計算機上做實驗的時候，基本上相當于在黑暗中摸索。畢竟當前的計算機速度太慢，無法驗證任何量子實驗的結(jié)果。不過來自紐約熨斗研究所（FlaTIron InsTItute）的一支團隊，卻認為可以通過人工智能（AI）來填補這個鴻溝。該團隊開發(fā)了一種據(jù)信能夠改變我們測量量子態(tài)的方法，為了證明，他們特地進行了一番模擬實驗。

據(jù)了解，這個方法涉及打造一套軟件工具，即借助神經(jīng)網(wǎng)絡來預測量子比特（qubit）的潛在的各個位置。

普通計算機只能夠通過普通的比特位（bit）來模擬一個量子系統(tǒng)，即“0”或“1”，而量子比特能夠同時出現(xiàn)兩種疊加態(tài)。

大約 200 個量子比特位的模擬，就要動用 1&TImes;百萬&TImes;萬億×萬億 次的運算（是的，你沒有看錯）—— 這顯然不是一件簡單的事情。

量子比特并不是各自為戰(zhàn)，而是會與其它量子比特糾纏產(chǎn)生更多的排列，從而極大地增加了必要的實驗數(shù)量。

好消息是，F(xiàn)latiron 團隊的新方法，借助了機器學習來完成艱難的工作 —— 這讓一臺普通計算機也能夠運行算法，而不是全面的 1 對 1 模擬。

這意味著只需百次排序，即可完成針對一個 8 量子比特系統(tǒng)的模擬，而不是動輒上百萬。此外，新方法也能夠在規(guī)模更大的量子系統(tǒng)上套用。

簡而言之，研究團隊開發(fā)的這種 AI 算法，可以高效地校準一個量子系統(tǒng)。神經(jīng)網(wǎng)絡支撐的該軟件，只會采集很小的數(shù)據(jù)樣本來運行模擬，以及將信息翻譯成人類可以理解的樣子。

完善之后，這類機器學習應用還可以在實驗模擬之外的領域發(fā)揮作用。論文合著者 Giuseppe Carleo 在接受 Eureka Alert 采訪時表示：

我們可以在其它環(huán)境中開發(fā)對應的方法，沒準未來的一輛自動駕駛汽車，也可以在一臺量子機器上運行呢？