标题：机器学习助力量子力学基础研究

近日，中国科学技术大学的郭光灿院士团队成员李传锋、许金时等人与合作者将机器学习技术应用于量子力学基础研究，首次实现了基于机器学习算法的多重非经典关联的同时分类。该研究成果于11月6日在国际知名物理学期刊《物理评论快报》上发表。

1935年，爱因斯坦、波多尔斯基和罗森提出了著名的EPR佯谬，质疑量子力学的完备性。此后，薛定谔和贝尔等科学家对该理论进行了深入探讨，揭示了爱因斯坦所谓的“幽灵般的超距作用”源于量子世界的非定域关联，并将其细分为量子纠缠、量子导引和贝尔非定域性等多个层次。与此同时，随着量子信息科学的发展，各种不同的量子关联已成为量子信息领域的重要资源，在量子计算、量子通信和量子精密测量等领域发挥着关键作用。

李传锋、许金时等人利用机器学习技术来区分非经典关联，通过精心设计的实验，在光学系统中制备了一组参数可调的两比特量子态。仅输入量子态的部分信息（即两个可观测量的值），运用机器学习模型对455个量子态的非经典关联属性进行学习，成功构建了多重非经典关联分类器。实验结果显示，基于机器学习算法的分类器能够以超过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多种量子关联属性，而且在资源消耗和时间复杂度方面均优于传统的量子态层析方法。

这项研究在实验层面将机器学习技术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融合。未来，机器学习作为一项强大的分析工具，有望帮助解决更多量子科学领域的难题。