橫掃圍棋界后，人工智慧將目標瞄準量子物理學？

人工智慧打造的「棋神」AlphaGo和Master前段時間出盡風頭。現在，人工智慧或將解決另外一個難題——求解包含數以億計粒子的量子系統。

早在2016年1月，谷歌的圍棋人工智慧AlphaGo初露鋒芒時，瑞士聯邦工業大學的古斯比·卡萊羅（Giuseppe Carleo）就初步形成了利用機器學習技術來解決量子力學難題的構想。

現在，他已經搭建了一個神經網路——它的目標不再是圍棋，而是理解量子力學系統。

人工智慧在圍棋上戰勝人類比在國際象棋上戰勝人類更困難的原因在於，圍棋棋盤上，棋子可能的數目比宇宙中的原子數目還要多。這意味著，人工智慧不可能用「暴力窮舉」的方法在圍棋上擊敗人類。

有趣的是，圍棋跟量子力學的一個經典問題很相似：一個量子系統，包含數以億計的原子，原子之間的聯繫通過複雜的方程表示，需求解該系統的特性。

材料科學研究需要求解量子系統

任何以宏觀形態存在的材料，本質上都是量子系統，因此求解量子系統是研究材料特性、並研發新型材料的關鍵。

量子力學限定，不可能在某個時刻精確計算出某個粒子在什麼位置。此外，許多粒子還具有自旋特性——要麼向上，要麼向下。由100個粒子組成的量子系統，其自旋狀態數目之和竟有10的30次方之多。

目前，即使動用最強大的超級計算機，人類也只能求解有48個粒子的量子系統。哪怕不考慮計算所耗費的時間，僅僅考慮計算結果的存儲，卡萊羅估計，即使我們把整個地球變成一塊超級大硬碟，這個硬碟用來求解100個粒子組成的量子系統也只是剛剛夠！

然而，人工神經網路卻有望簡化這一問題。人工智慧能夠找出圍棋的致勝下法，或許它也能最終戰勝量子系統求解這個難題。

夢想中的機器

卡萊羅稱，人工神經網路非常善於從有限的信息中進行歸納。用一些卡萊羅的照片訓練神經網路，它就能從一張之前從未見過的照片中把卡萊羅識別出來。

卡萊羅和微軟公司的馬蒂亞斯·特洛伊爾（Matthias Troyer）合作，構建了一個簡單的、用來求解多體量子系統波函數（也就是量子態概率）的神經網路。同時，該神經網路也可以計算該系統的最低能態，這也是量子力學的基本問題之一。

他們用多個已經獲得求解結果的量子力學系統對該工具進行測試，結果發現，該工具的表現優於現有的多體量子力學系統求解工具。因此，一個更大規模的人工智慧求解工具應該能更有效地解決更大規模的量子系統求解問題。

卡萊羅戲謔地表示，該系統成功解決了「薛定諤的貓」問題。德克薩斯大學奧斯丁分校的斯考特·阿倫森（Scott Aaronson）表示，卡萊羅團隊的工作非常出色。人工智慧這一強大工具正在諸多領域掀起巨大的變革，量子力學領域自然也不會例外。人工智慧求解多體量子系統的成功，將為日後更多激動人心的成果奠定基礎。

編譯：離子心

參考：

招聘

編輯、視覺設計、視頻策劃及後期

地點：北京

聯繫：[email protected]

MIT Technology Review 唯一版權合作方，任何機構及個人未經許可，不得擅自轉載及翻譯。

分享至朋友圈才是義舉