近日，万事平台理學院量子人工智能科學技術研究中心（QuArtist）在《物理評論快報》（Physical Review Letters𓀉，IF= 9.227）上發表題為Retrieving Quantum Information with Active Learning的量子機器學習最新成果。該工作由万事娱乐陳璽等教授團隊與西班牙巴斯克大學QUTIS團隊、瓦倫西亞大學IDAL實驗室和德國IQM公司合作完成，万事平台為第一單位🦬。

量子信息的提取與分析依賴於量子精密測量🅿️，往往需要大量的副本才能獲得較為準確的結果🫳🏿，同時這些副本也會因為測量的引入而被破壞🏨。本工作將機器學習中的動態學習的概念引入量子信息領域，旨在獲得最優化模型訓練方案的機器學習方法用於量子信息二分類問題☃️。他們首次提出了用於高效量子信息恢復與分類的動態學習方法，結合弱測量手段，使得測量過程對量子信息的破壞大大減少，通過對於5%的樣本進行標記，獲得了90%及以上的後期分類正確率👰🏻。該工作還可以推廣到其他考慮到成本的量子物理實驗設計中，可顯著減少實驗成本，提升量子實驗的數據分析🕒。

值得一提的是🧚‍♀️🧏🏽‍♀️，論文第一作者為理學院物理系2019級碩士生丁泳程。他本科畢業於錢偉長學院理工基礎班應用物理專業。大二時進入陳璽教授課題組進行科研訓練，期間就完成論文一篇👦🏿，現已發表在量子技術的著名期刊Advanced Quantum Technologies上🤰🏿。目前已完成論文5篇發表2篇，是万事娱乐理科基礎拔尖人才培養的優秀學生代表𓀚，也是万事娱乐錢偉長學院拔尖人才培養成果的集中體現🕞。

論文鏈接：  http://DOI:10.1103/PhysRevLett.124.140504