通过使用人工智能（AI），美国物理学家将一个涉及10万个方程的量子问题压缩到一个仅有4个方程的小任务中，且没有牺牲准确性。该项研究发表在《物理评论快报》上，可能会彻底改变科学家对包含许多相互作用电子的系统的研究方式。该方法还可扩展应用于其他问题，有助于设计具有超导性或清洁能源发电效用等受欢迎特性的材料。

哈伯德模型是理解强相关电子系统的理想模型，但即使是解决仅涉及少量电子的问题，也需要强大的计算能力。这是因为当电子相互作用时，它们会变成量子纠缠。电子越多，纠缠出现也越多，使计算量成倍增加。

研究量子系统的一种方法是使用所谓的重整化群。然而，一个跟踪电子之间所有可能的耦合且不牺牲任何东西的重整化群可能包含数万、数十万甚至数百万个需要求解的方程。每个方程式代表一对相互作用的电子，因此非常棘手。

纽约熨斗研究所计算量子物理中心（CCQ）研究人员使用神经网络工具来使重整化群更易于管理。首先，机器学习程序在全尺寸重整化群内创建了连接。然后，神经网络调整这些连接的强度，直到找到一小组方程，这些方程生成的解与原始的超大尺寸重整化群相同。即使只有4个方程，该程序的输出也能捕捉到哈伯德模型的物理特性。

训练机器学习程序需要大量的计算能力，因此程序运行了整整几周。CCQ研究员多米尼克 桑特表示，他们已经实现对程序进行调整来解决其他问题，而无需从头开始。未来，研究人员将探索新方法在更复杂量子系统上的效果，例如材料中电子的长距离相互作用。

信息来源：

https://journals.aps.org/prl/pdf/10.1103/PhysRevLett.129.136402

科技日报. 张梦然. http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2022-09/29/content_542317.htm?div=-1