量子纠缠:从量子物质态到深度学习

• 作者: 王磊 程嵩 陈靖
• 来源期刊: 物理
• 关键词: 量子纠缠 张量网络 人工神经网络 深度学习
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 量子纠缠与量子多体系统专题
• 页码范围: 416-423
• 页数: 8页
• 字数: 7944字
• 语种: 中文
• DOI: 10.7693/wl20170702

摘要

量子纠缠在量子物质态的研究中扮演着日趋重要的角色,它可以标记传统范式难以区分的新奇量子态和量子相变,并指导设计高效的数值算法来精确地研究量子多体问题.最近,随着一些深度学习技术在量子物理问题中的应用,人们惊奇地发现:从量子纠缠的视角审视深度学习,或许有助于反过来理解和解决一些深度学习中的问题.量子纠缠定量化地刻画了现实数据集的复杂度,并指导相应的人工神经网络结构设计.沿着这个思路,物理学家们对于量子多体问题所形成的种种洞察和理论可以以一种意想不到的方式应用在现实世界中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王磊	中国科学院物理研究所	346	2763	24.0	41.0
2	陈靖	中国科学院物理研究所	12	70	5.0	8.0
6	程嵩	中国科学院物理研究所	3	3	1.0	1.0