量子科技中心_量科网

多体原子物理学的几乎所有方面都充满挑战：实验技术要求高，数据集规模庞大，而通用量子系统的经典模拟对内存和CPU的需求往往随系统规模呈指数级增长。机器学习方法已在上述每个领域发挥作用，并有望带来变革性影响。在此，该团队聚焦于机器学习在基于冷原子的量子模拟器中的两个具体应用。这类设备通常以图像形式生成数据；该团队首先展示原始图像的去噪处理，随后识别玻色-爱因斯坦凝聚体中的孤子波。在这两个例子中，该团队探讨了性能、模型复杂度与可解释性之间的相互作用。