对于量子多体物理中的一些现象，存在几种竞争理论。但他们中哪一个最能描述量子现象呢?来自慕尼黑技术大学(TUM)和美国哈佛大学的一组研究人员现已成功部署了人工神经网络，用于量子系统的图像分析。
那是狗还是猫?这种分类是机器学习的主要示例：可以训练人工神经网络以通过查找特定对象特征的模式来分析图像。如果系统已经学习了这样的模式，它就能够识别任何图片上的狗或猫。
使用相同的原理，神经网络可以检测放射图像上的组织变化。物理学家现在正在使用该方法分析量子多体系统的图像 - 所谓的快照 - 并找出哪种理论最好地描述观察到的现象。
量子世界的概率
研究固体和液体的凝聚态物理中的几种现象仍然笼罩在神秘之中。例如，到目前为止，仍然难以理解为什么高温超导体的电阻在约-200摄氏度的温度下降至零。
了解这种非常重要的物质状态具有挑战性：基于超冷锂原子的量子模拟器已被开发用于研究高温超导体的物理特性。他们拍摄了量子系统的快照，它们以不同的配置同时存在 - 物理学家讲的是叠加。量子系统的每个快照根据其量子力学概率给出一个特定配置。
为了理解这种量子系统，已经开发了各种理论模型。但他们如何反映现实呢?可以通过分析图像数据来回答该问题。
神经网络研究量子世界
为此，慕尼黑技术大学和哈佛大学的一个研究小组成功地利用了机器学习：研究人员训练了一个人工神经网络，以区分两种相互竞争的理论。
“与图片中的猫或狗的检测类似，每个量子理论的配置图像被输入神经网络，”TUM的博士生Annabelle Bohrdt说。“然后优化网络参数，为每个图像提供正确的标签 - 在这种情况下，它们只是理论A或理论B而不是猫或狗。”
在理论数据的训练阶段之后，神经网络必须应用它所学到的东西，并将量子模拟器的快照分配给理论A或B.因此，网络选择了更具预测性的理论。
在未来，研究人员计划使用这种新方法来评估几种理论描述的准确性。目的是了解高温超导的主要物理效应，其具有许多重要的应用，无损耗电力传输和高效磁共振成像仅仅是两个例子。