原本为加快运算速度而建立的机器学习系统，在量子物理实验前沿也取得了惊人进展。量子物理学家马里奥·克莱恩记得，在2016年年初的一天，他正坐在维也纳的一家咖啡馆里研究电脑输出的数据，试图理解MELVIN的发现。MELVIN是克莱恩创建的机器学习算法，它的工作是组合和匹配标准量子实验的部件，为新问题找到实验方案。从那时起，其他团队也开始执行MELVIN设计的实验，用新的方式检测量子力学的概念基础。
与此同时，克莱恩和多伦多的同事们一起改进了机器学习算法。他们对最新的研究成果——一种名为THESEUS的人工智能算法——提出了更高要求：它的运行速度比MELVIN快了几个数量级，而且人们可以很容易地解析它的输出。
这个研究项目是克莱恩无意中提出的，当时他和同事们正试图弄清楚如何通过实验让光子以一种非常特殊的方式进行纠缠。
当两个光子相互作用时，它们会纠缠在一起，二者在数学上只能用一个共享的量子态进行描述。即使两个光子相距数千米之远，如果你测量其中一个光子的状态，另一个光子的状态也会立刻确定。1989年，三位物理学家——丹尼尔·格林伯格、已故的迈克尔·霍恩和泽林格——描述了一种被称为“GHZ”的纠缠态。克莱恩和同事们的目标是更高维的GHZ态。
他们想研究3个光子，每个光子的维度为3，这意味着它可能是0、1和2这3种态的叠加。这种量子态被称为3维量子比特。
为了加快进程，克莱恩编写了一个计算机程序，输入实验设置，计算出实验方案。然后他对程序进行了升级，使其能够在计算中加入实验人员在光学工作台上创建和操纵光子用的部件：激光器、非线性晶体、分束器、移相器、全息图等等。程序通过随机组合和匹配部件，在大空间中搜索配置，执行计算并输出结果——MELVIN就这样诞生了。
正是这个进化后的MELVIN让克莱恩在维也纳的咖啡馆里挠头。他运行起这个程序，其工具箱里有两个晶体，每个晶体能产生一对在3维空间中纠缠的光子。克莱恩天真地期待MELVIN会找到将这些光子对结合起来的配置，从而产生至多9维的纠缠态。但是“它实际上找到了另一种方案，一种极为罕见的情况，产生的纠缠度比其他态高得多，”克莱恩说。
尝试简化和概括 MELVIN的发现时，克莱恩和同事们意识到该实验方案类似于一种叫做图的抽象数学形式。一张图包含顶点和边，用于描绘对象之间的成对关系。在这些量子实验里，光子所走的每条路径都由一个顶点表示，而晶体由连接两个顶点的边表示。MELVIN 首先生成这样的图，然后对其进行数学运算。这种运算被称作“完美匹配”，包括生成一个等效图，其中每个顶点仅连接到一条边。
经过这个过程，对最终量子态的计算变得容易很多，尽管对人类来说理解起来仍然有困难。
澳大利亚格里菲斯大学的埃里克·卡瓦尔坎蒂对这项工作印象深刻，但也保持着谨慎态度。“这些机器学习技术代表了一类有趣的进展，人类查看这些数据并解释它们，看上去一些设计方案像是有创造性的新方案。但在现阶段，这些算法还远未达到具有真正的新想法或提出新概念的水平，”他说，“另一方面，我确实认为有一天它们会到达那种程度。这些还只是起步，我们总要从某个地方开始。”