——习在致中国科学院建院70周年贺信中作出的“两加快一努力”重要指示要求

  1949年，伴随着新中国的诞生，中国科学院成立。作为国家在科学技术方面的最高学术机构和全国自然科学与高新技术的综合研究与发展中心，建院以来，中国科学院时刻牢记使命，与科学共进，与祖国同行，以国家富强、人民幸福为己任，人才辈出，硕果累累，为我们国家科技进步、经济社会持续健康发展和国家安全做出了无法替代的重要贡献。更多简介 +

  中国科学院院级科技专项体系包括战略性先导科技专项、重点部署科研专项、科学技术人才专项、科学技术合作专项、科技平台专项5类一级专项，实行分类定位、分级管理。

  为方便科研人员全面快捷了解院级科技专项信息并进行项目申报等相关操作，特搭建中国科学院院级科技专项信息管理服务平台。了解科技专项更多内容，→

  中国科学技术大学（简称“中科大”）于1958年由中国科学院创建于北京，1970年学校迁至安徽省合肥市。中科大坚持“全院办校、所系结合”的办学方针，是一所以前沿科学和高新技术为主、兼有特色管理与人文学科的研究型大学。

  中国科学院大学（简称“国科大”）始建于1978年，其前身为中国科学院研究生院，2012年更名为中国科学院大学。国科大实行“科教融合”的办学体制，与中国科学院直属研究机构在管理体制、师资队伍、培养体系、科研工作等方面共有、共治、共享、共赢，是一所以研究生教育为主的独具特色的研究型大学。

  上海科技大学（简称“上科大”），由上海市人民政府与中国科学院共同举办、共同建设，由上海市人民政府主管，2013年经教育部正式批准。上科大秉持“服务国家发展的策略，培养创新创业人才”的办学方针，实现科技与教育、科教与产业、科教与创业的融合，是一所小规模、高水平、国际化的研究型、创新型大学。

  中国科学技术大学郭光灿院士团队在AI与量子力学基础研究交叉领域取得重要进展。该实验室与南方科技大学教授翁文康以及中科院重庆绿色智能技术研究院研究员任昌亮等人合作，将机器学习技术应用于研究量子力学基础问题，首次实验实现了基于机器学习算法的多重非经典关联的同时分类。该成果近日发表于《物理评论快报》。

  爱因斯坦坚信两个在空间上远离的物体的真实状态是彼此独立的。这个观点被称为“定域性要求”。爱因斯坦明确反对两个粒子间的量子力学关联，称之为“幽灵般的超距作用”。1935年，爱因斯坦、波多尔斯基和罗森发表了著名的质疑量子力学完备性的文章，后来被称为EPR佯谬。随着薛定谔和贝尔等众多科学家对EPR佯谬的深入研究，人们逐渐理解所谓“幽灵般的超距作用”其实是来源于量子世界的非定域关联，并且它还能更加进一步细分为量子纠缠、量子导引和贝尔非定域性等层次。另一方面，随着量子信息研究的兴起，各种不同的量子关联慢慢的变成了量子信息领域的关键资源，在量子计算、量子通信和量子精密测量等过程中扮演着重要的角色。

  然而，刻画任意给定的一个量子态中的非经典关联任旧存在巨大挑战。于是，科学家们开始尝试将机器学习的方法引入多重量子关联研究。

  该团队李传锋、许金时等人将机器学习技术应用于非经典关联的区分，首次实验实现了多重量子关联的同时分类。他们通过巧妙的实验设计，在光学系统中制备出一簇参数可调的两比特量子态。通过只输入量子态的部分信息（两个可观测量的值），利用神经网络、支持向量机以及决策树等机器学习模型对455个量子态的非经典关联属性进行学习，成功地实现了多重非经典关联分类器。实验根据结果得出基于机器学习算法的分类器能以大于90%的高匹配度同时识别量子纠缠、量子导引和贝尔非定域性等不同的量子关联属性，而且无论在资源消耗还是时间复杂度上都远小于传统判据所依赖的量子态层析方法。

  专家表示，这项工作将机器学习算法应用于多重非经典关联的同时区分，推动了AI与量子信息技术的深度交叉。未来，机器学习作为一种有效的分析工具，将有利于解决更多量子科学难题。

  中国科学技术大学郭光灿院士团队在AI与量子力学基础研究交叉领域取得重要进展。该实验室与南方科技大学教授翁文康以及中科院重庆绿色智能技术研究院研究员任昌亮等人合作，将机器学习技术应用于研究量子力学基础问题，首次实验实现了基于机器学习算法的多重非经典关联的同时分类。该成果近日发表于《物理评论快报》。

  爱因斯坦坚信两个在空间上远离的物体的真实状态是彼此独立的。这个观点被称为“定域性要求”。爱因斯坦明确反对两个粒子间的量子力学关联，称之为“幽灵般的超距作用”。1935年，爱因斯坦、波多尔斯基和罗森发表了著名的质疑量子力学完备性的文章，后来被称为EPR佯谬。随着薛定谔和贝尔等众多科学家对EPR佯谬的深入研究，人们逐渐理解所谓“幽灵般的超距作用”其实是来源于量子世界的非定域关联，并且它还能更加进一步细分为量子纠缠、量子导引和贝尔非定域性等层次。另一方面，随着量子信息研究的兴起，各种不同的量子关联慢慢的变成了量子信息领域的关键资源，在量子计算、量子通信和量子精密测量等过程中扮演着重要的角色。

  然而，刻画任意给定的一个量子态中的非经典关联任旧存在巨大挑战。于是，科学家们开始尝试将机器学习的方法引入多重量子关联研究。

  该团队李传锋、许金时等人将机器学习技术应用于非经典关联的区分，首次实验实现了多重量子关联的同时分类。他们通过巧妙的实验设计，在光学系统中制备出一簇参数可调的两比特量子态。通过只输入量子态的部分信息（两个可观测量的值），利用神经网络、支持向量机以及决策树等机器学习模型对455个量子态的非经典关联属性进行学习，成功地实现了多重非经典关联分类器。实验根据结果得出基于机器学习算法的分类器能以大于90%的高匹配度同时识别量子纠缠、量子导引和贝尔非定域性等不同的量子关联属性，而且无论在资源消耗还是时间复杂度上都远小于传统判据所依赖的量子态层析方法。

  专家表示，这项工作将机器学习算法应用于多重非经典关联的同时区分，推动了AI与量子信息技术的深度交叉。未来，机器学习作为一种有效的分析工具，将有利于解决更多量子科学难题。