近日,金沙威尼斯欢乐娱人城量子人工智能科学技术研究中心(QuArtist)在《物理评论快报》(Physical Review Letters,IF= 9.227)上发表题为Retrieving Quantum Information with Active Learning的量子机器学习最新成果。该工作由金沙威尼斯官网陈玺等教授团队与西班牙巴斯克大学QUTIS团队、瓦伦西亚大学IDAL实验室和德国IQM公司合作完成,金沙威尼斯欢乐娱人城为第一单位。
量子信息的提取与分析依赖于量子精密测量,往往需要大量的副本才能获得较为准确的结果,同时这些副本也会因为测量的引入而被破坏。本工作将机器学习中的动态学习的概念引入量子信息领域,旨在获得最优化模型训练方案的机器学习方法用于量子信息二分类问题。他们首次提出了用于高效量子信息恢复与分类的动态学习方法,结合弱测量手段,使得测量过程对量子信息的破坏大大减少,通过对于5%的样本进行标记,获得了90%及以上的后期分类正确率。该工作还可以推广到其他考虑到成本的量子物理实验设计中,可显著减少实验成本,提升量子实验的数据分析。
值得一提的是,论文第一作者为金沙威尼斯欢乐娱人城物理系2019级硕士生丁泳程。他本科毕业于钱伟长学院理工基础班应用物理专业。大二时进入陈玺教授课题组进行科研训练,期间就完成论文一篇,现已发表在量子技术的著名期刊Advanced Quantum Technologies上。目前已完成论文5篇发表2篇,是金沙威尼斯官网理科基础拔尖人才培养的优秀学生代表,也是金沙威尼斯官网钱伟长学院拔尖人才培养成果的集中体现。
论文链接:DOI:10.1103/PhysRevLett.124.140504