量子模拟与量子机器学习研究--量子计算与量子人工智能-上海期智研究院

量子模拟与量子机器学习研究-

李晓鹏

课题介绍

我们在量子模拟和量子机器学习研究方向取得若干重要研究成果。在量子模拟方向，提出一种新型的量子编码，建立了全局耦合自旋模型到三维局域伊辛模型的数学映射，表明所有的NP-计算问题都可以运用冷原子量子模拟进行编码。所提出的量子编码方案具有内禀的容错机制，从而获得很好的热稳定性和针对读出错误的鲁棒性。研究工作发表后，迅速获得国际同行普遍关注，其中提出的基本编码模块已被国际知名实验团队验证。

在量子机器学习方向，成功将强化学习SAC方法运用于自动化绝热量子算法设计，取得的学习效率较此前的研究有显著提升。研究将量子热库学习运用于混沌序列预测等复杂的机器学习任务，指出了计算效率与物理中的量子多体局域化之间的深刻联系，发现量子热库在多体局域化和量子热化的相变点附近具有最高的综合计算能力，研究成果为描述该量子机器学习的量子加速和进一步系统化的提高热库学习的计算效率提供了指导性的原则。

在量子模拟的实验研究中发现了一种介于量子超流体和超固体之间的超流液晶状态，揭示了这种新型量子物质状态的微观物理机制，建立了相关的理论描述。在轨道-自旋复合量子体系中首次提出自发自旋动量（角动量）耦合机制，并以此揭示了自然界生物手性大分子中发现二十年但成因不明的手征诱导自旋极化奇异量子现象。

我.png

课题团队成员

黄堂友

倪中一

课题科研成果

Xiaopeng Li, “Disturbing the Fermi Sea with Rydberg States”, Physics 14, 74 (2021).

Xiaopeng Li, W. Vincent Liu, “Weyl Semimetal Made Ideal with a Crystal of Raman Light and Atoms”, Science Bulletin 66, 1253 (2021).

Jue Nan, Jian Lin, Yuchen Luo, Bo Zhao, Xiaopeng Li, “Quantum Adiabatic Doping for Atomic Fermi-Hubbard Quantum Simulations”, Phys. Rev. A 103, 043320 (2021).

Shengjie Jin, Wenjun Zhang, Xinxin Guo, Xuzong Chen, Xiaoji Zhou, Xiaopeng Li, “Evidence of Potts-Nematic Superfluidity in a Hexagonal sp-2 Optical Lattice”, Phys. Rev. Lett 126, 035301 (2021).

Xiaopeng Li, Jue Nan, Xiangcheng Pan, “Chiral Induced Spin Selectivity as a Spontaneous Intertwined Order”, Phys. Rev. Lett 125, 263002 (2020).

Xingze Qiu, Peter Zoller, Xiaopeng Li, “Programmable Quantum Annealing Architectures with Ising Quantum Wires”, PRX Quantum 1, 020311 (2020) with Editorial Suggestion.

Xingze Qiu, Jie Zou, Xiaodong Qi, Xiaopeng Li, “Precise Programmable Quantum Simulations with Optical Lattices”, npj Quantum Information 6, 87 (2020).

分享到