6、机器学习在物理模型构建与物理定律发现中的应用

机器学习在物理模型构建与物理定律发现中的应用

1. 实验装置创建与PS代理训练

在创建实验装置方面，PS（可能是某种特定的算法或代理）代理的训练过程展现出了有趣的结果。PS代理首先进行了5×10⁴次实验，目标是学习创建具有SRV (3, 3, 2)的光子态。在这个过程中，设定了一些参数，如发光参数η = 1/16，光学元件的最大数量L = 8，初始奖励大小λ(0) = 1。

训练结果显示，PS代理能够以较高的概率创建出具有SRV (3, 3, 2)的光子态，并且在训练过程中使用的光学元件数量逐渐减少。之后，该代理又进行了10⁴次实验，目标是学习创建具有SRV (3, 3, 3)的光子态。令人惊讶的是，在这较短的额外训练期间，PS代理迅速学会了以约50%的成功率创建此类状态。

为了探究这种现象的原因，研究人员对一个新初始化的PS代理进行了6×10⁴次实验，目标同样是创建具有SRV (3, 3, 3)的光子态，但该代理的成功率几乎为零。这表明，之前训练过的代理在创建具有SRV (3, 3, 2)的状态时发现了一些结构，这些结构对创建具有SRV (3, 3, 3)的状态也有帮助。

1.1 PS代理常用实验装置

PS代理在训练过程中常用的实验装置包括：
| 装置名称 | 描述 |
| ---- | ---- |
| 局部奇偶分选器 | 对应光学干涉仪的操作组合，常用于对不同奇偶性的OAM模式进行分选 |
| 非局部奇偶分选器 | 最近被分析并为相关研究提供了动力 |
| Klyshko波前图中的非局部奇偶分选器 | 路径a和d分别与路径b和c相同 |
| 增加光子纠缠维度的装置 | 可