中科大郭光灿院士团队李传锋、许金时等人与合作者最近将机器学习技术应用于研究量子力学基础问题，首次实验实现了基于机器学习算法的多重非经典关联的同时分类。这一成果发表在11月6日出版的国际物理学权威期刊《物理评论快报》上。
1935年，爱因斯坦、波多尔斯基和罗森发表了著名的质疑量子力学完备性的文章，后来被称为EPR佯谬。随着薛定谔和贝尔等众多科学家对EPR佯谬的深入研究，人们逐渐理解爱因斯坦所指的“幽灵般的超距作用”来源于量子世界的非定域关联，并且它还可以进一步细分为量子纠缠、量子导引、贝尔非定域性等层次。另一方面，随着量子信息研究的兴起，各种不同的量子关联已经成为量子信息领域的关键资源，在量子计算、量子通信、量子精密测量等过程中扮演着重要角色。
李传锋、许金时等人将机器学习技术应用于非经典关联的区分，通过巧妙的实验设计，在光学系统中制备出一簇参数可调的两比特量子态。通过只输入量子态的部分信息(两个可观测量的值)，利用机器学习模型对455个量子态的非经典关联属性进行学习，成功实现了多重非经典关联分类器。实验结果表明，基于机器学习算法的分类器能以大于90%的高匹配度同时识别量子纠缠、量子导引和贝尔非定域性等不同的量子关联属性，且无论在资源消耗还是时间复杂度上都远小于传统判据所依赖的量子态层析方法。
这项工作在实验上将机器学习算法应用于多重非经典关联的同时区分，推动了人工智能与量子信息技术的深度交叉。未来，机器学习作为一种有效的分析工具，将有助于解决更多量子科学难题。(记者 桂运安)
