芝加哥大学物理学家们发现了一种新的量子行为形式，他们受到了烟火的欢迎——原子喷射而出，但明亮喷流背后的图案很难从噪音中分辨出来。相反，科学家们采用了该领域的一种新方法：机器学习。通过一种模式识别算法来运行数据，发现原子路径形成了一个独特的形状，看起来有点像一只乌龟——这有助于梳理其背后的物理现象。2019年2月1日发表在《科学》(Science)上的研究结果，提高了我们对量子动力学的理解，并为研究量子现象提供了一种创新方法。
博科园-科学科普：该研究的主要作者、芝加哥大学(University of Chicago)物理学教授程钦(Cheng Chin)说：在理解复杂的量子动力学时，我们开始受到直觉的限制，但机器学习可能是理解这类系统的一种新工具，程钦是利用超光速实验研究构成最小粒子和宇宙行为基础的量子现象的先驱。在最初的研究中，Chin实验室将粒子冷却到接近绝对零度，直到它们全部凝聚成相同的量子态，即玻色-爱因斯坦凝聚态。接下来施加磁场，惊奇地发现原子以明亮的喷射流喷射出来。
- 对从中心射出的量子粒子的机器学习分析揭示了一种类似乌龟的模式，暖色表示更活跃。图片：Lei Feng
但准确的模式很难在噪音中分辨出来，这项新研究的研究人员开发了一种机器学习算法，以搜索人眼并不总是能看到的模式和相关性。这类似于观察火车站的人流，起初它看起来随机，但如果仔细观察，会发现家人一起旅行，商人一起开会等等。该算法找出了一个形状类似乌龟的关联：围绕一个中心源的圆环，形成“壳”，还有两个延伸的点，分别是“头”和“尾”。如果你看到一个粒子朝一个方向运动，总会有另一个粒子以45度角运动。本质上，这是一系列的链式反应：第一个粒子在靠近源的地方相互作用，相互碰撞;。当这些粒子相互作用时，下一个环就形成了，以此类推。
这种现象背后的物理现象被称为高谐波产生。从本质上说，每幅图像都包含许多这样的海龟图案，它是一路向下的乌龟。用传统的相关方法确认了模式识别，这是通过观察每一对原子之间的关系来实现的，这比先前发现的模式要复杂得多。科学家们认为，机器学习在揭示量子力学研究中的新现象方面可能非常有用。识别模式一直是科学的第一步，所以这种机器学习可以识别隐藏的关系和特征，尤其是当我们试图理解含有大量粒子的系统时。对这些行为的更深入理解，有朝一日可能会应用到技术中，比如让量子网络的覆盖范围扩大到更远距离的方法。
博科园-科学科普｜研究/来自: 芝加哥大学
参考期刊文献:《Science》
DOI: 10.1126/science.aat5008
博科园-传递宇宙科学之美
