学习拓扑相中对抗样本的实验演示
量子物理
2022-08-31 v1 无序系统与神经网络
摘要
对不同相及其之间相变的分类与识别是凝聚态物理中的一项核心任务。机器学习在广泛的应用中取得了巨大成功，有望为这一具有挑战性的任务带来前所未有的视角。然而，尽管沿这一方向取得了令人兴奋的进展，机器学习方法的可靠性同样需要进一步研究。在此，借助氮-空位中心平台，我们报告了在学习拓扑相中对抗样本的首次原理验证性实验演示。我们表明，在添加极微量的精心设计的扰动后，实验观察到的对抗样本能够以极高的置信度成功欺骗一个优秀的相分类器，该分类器在合法样本上的预测准确率大于 。我们的结果明确展示了将机器学习技术应用于物质相分类时关键的脆弱性，为这一跨学科领域的未来研究提供了不可或缺的指导。
引用
@article{arxiv.2111.12715,
title = {Experimental demonstration of adversarial examples in learning topological phases},
author = {Huili Zhang and Si Jiang and Xin Wang and Wengang Zhang and Xianzhi Huang and Xiaolong Ouyang and Yefei Yu and Yanqing Liu and Dong-Ling Deng and L. -M. Duan},
journal= {arXiv preprint arXiv:2111.12715},
year = {2022}
}