黑洞里有什么?物理学家利用量子计算和机器学习一探究竟( 二 ) 本文转自：澎湃新闻目前

为了解决这一问题，研究人员首先研究了量子线路。在这种方法中，量子线路用导线表示，每个量子位就是一根导线。在电线的上端是量子位门，可以通过门进行操作，指示信息如何在电线上传输。
那如何通过量子线路找到基态呢？Rinaldi将其比作音乐，在实验中并不知道如何操作量子位，正如不知道演奏哪些音符。震动过程会调整所有量子门，最终使它们以正确的形式出现，达到基态。正如通过多次演奏，最终找到正确的音符，演奏得好，就有了基态。

文章图片

文章图片

随后，研究人员还使用深度学习方法作为比较研究。深度学习是一种使用神经网络方法的机器学习，这是一系列试图找到数据之间关系的算法，类似于人类大脑的工作方式。
神经网络被用来设计人脸识别软件，通过接收数千张人脸图像，神经网络从中绘制出人脸的特征，以识别单个图像或生成不存在的人的新面孔。
研究人员将矩阵模型量子态的数学描述，定义为量子波函数。然后，他们使用一种特殊的神经网络来寻找具有最低能量的波函数，即基态。神经网络的数字通过一个迭代的“优化”过程来找到矩阵模型的基态。正如，敲击一桶沙子，使每一粒沙子都达到平衡。
在这两种方法中，研究人员都能找到两种矩阵模型的基态，但量子线路受到量子位元的数量限制。目前团队应用的量子器件只能处理几十个量子位。
“人们通常使用其他方法找到基态的能量，但不能获得波函数的整体结构。我们已经展示了如何使用这些新兴技术，即量子计算机和深度学习，来获取基态的全部信息。”Rinaldi说， “由于这些矩阵可能表示着一种特殊类型的黑洞，如果我们知道这些矩阵如何排列，以及它们的属性，我们就可以知道一个黑洞的内部是什么样子。黑洞表面有什么?它从何而来?回答这些问题将是实现量子引力理论的一步。”
【黑洞里有什么?物理学家利用量子计算和机器学习一探究竟】该团队研究成果为量子计算和机器学习算法的未来研究提供了重要基准，研究人员能够利用全息对偶来研究量子引力。而Rinaldi将与更多科学家合作，研究这些算法成果如何扩展到更大的矩阵模型，以及它们对引入“噪声”或错误干扰的鲁棒性（鲁棒性指控制系统在一定参数的摄动下，维持某些性能的特性）。(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)