即使在日常生活的尺度上，自然也受到量子物理定律的支配。這些定律解釋了一些常見的現象，如光、聲、熱，甚至撞球上球的運動軌跡。但是，當應用於大量相互作用的粒子時，量子物理定律實際上預測了許多違背直覺的現象。為了研究由許多粒子組成的量子系統，物理學家必須首先能夠模擬它們，這可以通過求解描述超級計算機內部工作原理的方程來實現。
儘管摩爾定律預測計算機的處理能力每隔幾年就會翻一番，但這與解決量子物理挑戰所需的能力相去甚遠。據EPFL納米系統理論物理實驗室主任文森佐·薩沃納教授說：原因是預測量子系統的性質極其複雜，需要隨著量子系統大小呈指數增長的計算能力，這是一項「本質上複雜」的任務。當量子系統開放時，事情變得更加複雜，這意味著它會受到周圍環境的干擾。
然而，有效地模擬開放量子系統的工具非常必要，因為大多數現代量子科學和技術的實驗平台都是開放系統，物理學家一直在尋找新的方法來模擬和測試它們。但由於一種用神經網絡模擬量子系統的新計算方法，已經取得了重大進展。
該方法由薩沃納和epfl的博士生亞歷山德拉·納吉開發，並由巴黎狄德羅大學、愛丁堡赫瑞瓦特大學和紐約熨斗研究所的科學家獨立開發。這項研究的全部成果發表在《物理評論快報》的三篇研究論文上。研究基本上把神經網絡和機器學習的進步與量子蒙特卡羅工具結合起來，科學家們訓練了一個神經網絡來同時表示量子系統的許多量子態。
在這些量子態中，一個量子系統可以由其環境的影響來投射。神經網絡方法使物理學家能夠預測具有相當大小和任意幾何形狀的量子系統性質。這是一種新的計算方法，它解決了開放量子系統的問題，該系統具有通用性，並且有很大的擴展潛力。該方法將成為研究複雜量子系統的首選工具，並在展望未來的同時，評估噪聲對量子硬體的影響。
模擬具有大量自由度的多體開放量子系統性質是解決量子科學和量子信息中幾個突出問題的前提。該研究任務的挑戰在於密度矩陣複雜度隨系統規模呈指數級增長。本研究基於變分蒙特卡羅方法和密度矩陣神經網絡表示的變分方法來有效地模擬馬氏開放量子系統的非平衡穩態。由於隨機重構方案，變分原理的應用轉化為量子主方程的實際積分，通過建立二維耗散模型，驗證了該方法的有效性。
博科園｜研究/來自：聯邦洛桑理工學院
參考期刊《物理評論快報》
DOI: 10.1103/PhysRevLett.122.250501
交流、探討、學習、科學圈