日本理化学研究所(RIKEN)的三位理论物理学家使用神经网络来研究原子和电子在有限温度下相互作用的方式。这些知识将有助于为未来用于高级计算的量子技术发展提供信息。

材料的许多特性，无论是传统的还是奇异的，都源于原子和电子在量子力学定律下的相互作用。了解这些所谓的量子多体系统对于预测和控制这些特性至关重要。此外，这些知识对于开发实用的量子设备(如量子计算机)至关重要。

量子多体系统中有大量的相互作用，使得即使在接近绝对零度的温度下去模拟它也很具有挑战性，而随着温度的升高这变得更加困难。能解释热波动和量子波动间重要相互作用的数值方法需要极高的计算成本，即使是世界上最强大的超级计算机也常常变得难以处理。

RIKEN紧急物质科学中心的Yusuke Nomura说：“处理量子多体系统的数值复杂性意味着缺乏能在有限温度下去模拟的强大方法。为了克服这个困难，我们开发了几种采用机器学习的有效方法。”

Nomura与其RIKEN的同事Nobuyuki Yoshioka和Franco Nori现在开发了两种数学技术，通过使用神经网络来模拟量子多体系统中的热效应。

神经网络是一个相互连接的节点阵列，旨在以模仿大脑神经元的方式去处理信息。神经网络已经在机器学习和人工智能中找到了应用。Nomura解释说：“人工神经网络的灵活性使我们能够在热平衡中构建对多体量子态的紧凑而准确的表达。”

这三人采用的第一个前沿方法是，使用被称为“深度玻尔兹曼机”的机器学习过程来创建被称为“吉布斯态”的量子多体系统的数学描述。他们的第二种方法使用所谓的随机抽样来优化他们网络的参数。

Nomura说：“我们方法的最终目标是揭示有限温度下的复杂现象，这些现象在广泛的领域仍未探索，包括凝聚态物理学、原子物理学、统计力学和量子光学。”他接着说：“虽然我们需要改进该方法，但我们相信它将让能我们更好地了解量子多体系统的热行为，这反过来将为设计未来的量子设备和研究新功能材料提供更坚实的基础。 ”（编译:Qtech）