量子科技中心_量科网

该研究团队提出了一种人工智能辅助框架，用于预测复杂量子实验（包括上下文性和因果性实验中的自适应测量）的个体运行结果，这是其探索扩展量子理论的局域隐变量理论长期研究计划的一部分。为规避不可能性定理，研究人员用称为“条件自由选择”的兼容性较弱假设替代了传统自由选择假设（测量独立性和参数独立性）。该框架将复杂量子实验解释为观察者与宇宙之间的类象棋博弈——后者被视为最小化作用量的经济主体。先前工作已描述了固定因果序过程矩阵或因果上下文场景等通用实验对应的博弈结构，以及采用确定性非纳什均衡求解算法（摒弃单边偏离假设/自由选择，转而采用完美预测假设）。本项新研究通过神经网络学习包含隐变量的博弈奖励函数，其成本函数采用博弈多次确定性运行获得的频率直方图与扩展玻恩规则预测值之间的K-L散度。将该框架应用于EPR 2-2-2实验这一具体案例，既验证了概念可行性，也构建了玩具型局域实在隐变量模型，证明非纳什量子理论是实现局域隐变量理论的重要路径。该工作为最终构建完整量子理论奠定了可扩展的坚实基础。