理论物理所张潘团队获得2022年度北京市自然科学奖二等奖
文章来源:
发布时间:
2023-08-04
【字体:大 中 小】
近日，北京市科学技术委员会公布了2022年度北京市科学技术奖评审结果，由理论物理所牵头，联合中国科学院物理研究所和北京大学共同申报的项目“新时代的张量网络计算理论与方法：从机器学习到量子计算”获得自然科学奖二等奖。理论物理所张潘研究员是该项目的主要完成人。
该项目从张量网络的视角，提出了创新的理论和方法，主要完成了以下成果：
1、建立了适用于任意图的张量重整化理论（CATN），融合定义在极大-加法半环上的“Tropical”代数系统创造出Tropical张量网络方法，直接研究零温下的统计物理的基态能量和零点熵问题。
2、提出了基于张量网络的机器学习模型玻恩学习机（Born Machine），在国际上首次提出利用量子波函数的概率幅模平方来编码经典数据的概率分布，引领了张量网络与无监督学习这个交叉领域的后续研究。
3、新方法应用于量子计算机的经典模拟，获突破性成果，首次成功模拟谷歌量子霸权线路，终结了谷歌的量子霸权。2021年10月，国家超算团队在新的神威超级计算机上实现了张潘研究员所提出的张量网络方法，因此获得了2021年世界高性能计算最高奖（也称为高性能计算诺贝尔奖）戈登-贝尔奖。该成果入选科技媒体光子盒（QuantumChina）评选的2022年国际量子科技十大进展，位列第四。该成果第一完成人张潘入选科技媒体DeepTech评选的 2022 年中国智能计算科技创新人物。相关研究论文发表于 Physical Review X 8, 031012 (2018)，Physical Review Letters 122, 080602 (2019)，Physical Review Letters 125, 060503 (2020), Physical Review Letters 126, 090506 (2021)，以及 Physical Review Letters 128, 030501(2022)，其中PRL2019和PRL2022论文被遴选为 PRL 编辑推荐论文。
张潘，研究员，博士生导师，2009年博士毕业于兰州大学理论物理专业，先后在意大利、法国和美国做博士后，2015年到理论物理所工作，2019年晋升为研究员。主要研究方向为统计物理、机器学习与量子计算的交叉领域，提出了基于张量网络的非监督机器学习模型，基于神经网络的统计力学方法，以及量子计算机的经典模拟新方法。已发表数十篇学术论文，其中包括物理学顶级期刊PRX、PRL、PNAS以及机器学习顶级会议NIPS。取得1项发明专利。荣获科技媒体DeepTech评选的2022年中国智能计算科技创新人物。
理论物理所的潘峰、周鹏飞和李素洁也列在完成人中。
附件下载: