DAOrayaki ｜量子Al可以更好的帮我们了解黑洞

Quantum Computing

a year ago • 11 min read

DAOrayaki ｜量子Al可以更好的帮我们了解黑洞

Quantum Computing

a year ago • 11 min read • Loading Views

DAOrayaki DAO研究奖金池：

资助地址: DAOrayaki.eth

投票进展：DAO Reviewer 1/0 通过

赏金总量：30 USD

研究种类：Quantum Computing, AI, Black Holes

原文作者: Matt Swayne

创作者：hahaho@DAOrayaki.org

审核者：Yofu@DAOrayaki.org

原文: Quantum AI Will Help Scientists Explore Black Holes

DAOrayaki 是一个去中心化的研究者组织和去中心化媒体，通过 DAO的形式去中心化地资助世界各地的研究者进行研究、翻译、分析等工作。DAOrayaki 由早期的 DAO 组织 DAOONE 核心成员发起，得到了Dora Factory基础设施的支持。欢迎通过文末方式提交星际移民、量子计算、DAO等相关研究，瓜分10000USDC赏金池！了解去中心化自治组织（DAO），探讨最新治理话题，关注DAO的发展趋势，欢迎加入DAOrayaki社区！

密歇根大学物理系的研究科学家 Enrico Rinaldi 正使用两种模拟方法来解决可以描述黑洞引力的量子矩阵模型。在图片中，弯曲时空的图表示连接了两种模拟方法。在底部，深度学习方法由点图（神经网络）表示，而顶部的量子电路方法由线、正方形和圆形（量子位和量子门）表示。模拟方法与弯曲时空的每一边合并，以表示引力性质来自模拟。项目由日本理化研所(RIKEN，Wako)的理论量子物理实验室(Theoretical Quantum Physics Laboratory)主持。

试想一下，如果我们周围的一切都是全息影像会怎么样？

这一想法称为全息原理，密歇根大学的一位物理学家借助量子计算和机器学习深入研究了这一原理。

全息原理是一种数学猜想，它将粒子理论及其相互作用与引力理论联系起来。这个猜想表明，引力理论和粒子理论在数学上是等价的：引力理论中的数学原理变化也发生在粒子理论中，反之同理。

这两种理论都描述了不同的维度，但描述的维度数量相差一个。举例来说，在黑洞的形状内，引力存在于三维空间，而粒子理论存在于二维空间。

密歇根大学物理系研究科学家Enrico Rinaldi说，“在爱因斯坦的广义相对论中，没有粒子只有时空。在粒子物理的标准模型中，没有引力，只有粒子。” “将两种不同的理论联系起来是物理学中一个长久以来的问题，也是自上个世纪以来人们就一直在尝试的工作。”

而黑洞因本身巨大的质量扭曲了时空，存在于三维的黑洞引力，在数学上与在其上方跳动的粒子在二维中联系在一起。结论就是，黑洞存在于三维空间中，但我们看到的是它通过粒子投射出来的。

在PRX Quantum杂志上发表的一项研究中，Rinaldi 和其他研究人员研究了如何使用量子计算和深度学习来探索全息原理，以找到量子矩阵模型的最低能量状态（基态）。

这些量子矩阵模型的基础是粒子理论。但因为全息原理表明，在数学原理上，粒子理论系统中发生的事情同样会影响引力理论系统，所以求解这样的量子矩阵模型可以揭示有关引力的信息。

在研究中，Rinaldi和他的团队使用了两个可以使用传统方法求解的矩阵模型，这些复杂模型可以通过全息原理描述黑洞。

Rinaldi表示，“我们希望通过数值实验了解这种粒子理论的性质，从而了解更多有关引力的信息。“不过要解决粒子理论仍然不容易。但计算机可以帮助我们。”

这些矩阵模型是在弦理论中代表物体的数字块，在这个框架中，粒子理论中的粒子是用一维的弦表示的。当研究人员解决像这样的矩阵模型时，他们试图找到系统中代表系统最低能量状态（基态）的粒子的特定构型。在基态，系统没有任何变化，除非你加入一些干扰它的东西。

Rinaldi说，“了解基态是什么样子很重要，这样就可以进行创造。”“对于一种材料来说，了解基态就像知道它是导体还是超导体，或者它是否真的很强，或者它是否很弱。但是在所有可能的状态中找到基态是一项相当困难的任务。这就是我们使用这些数值方法的原因。”

“如果把它比作音乐，基本上是将量子比特从一开始每一步都转化成新东西。但是你不知道每一步如何操作，演奏哪些音符。过程中将调整所有量子门，使它们都在正确的状态。所有这些音符，如果演奏得当的话，最后你就得到了基态。”

Rinaldi说，你可以把矩阵模型中的数字想象成沙粒。沙子水平时，就是模型的基态。但如果沙子里有涟漪，你必须想办法把它们弄平。为了解决这个问题，研究人员首先研究了量子电路。在这种方法中，量子电路由导线表示，每个量子位或量子信息位都是一根导线。电线的顶部是“门”，它们决定信息如何沿着电线传递。

然后，研究人员将使用这种量子电路方法与深度学习方法进行比较。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定标志，以识别单个图像或生成不存在的人的新面孔。

在Rinaldi的研究中，研究人员定义了矩阵模型的量子态的数学描述，称为量子波函数。然后他们使用一个特殊的神经网络来寻找具有最低能量的矩阵的波函数——它的基态。神经网络的数量通过一个迭代的“优化”过程来找到矩阵模型的基态，敲击沙桶，使所有颗粒都平整。

在这两种方法中，研究人员都能找到他们检测的两种矩阵模型的基态，但量子电路受到少量量子比特的限制。目前的量子硬件只能处理几十个量子位。

“人们通常使用的其他方法可以找到基态的能量，但不能找到波函数的整个结构。”我们已经展示了如何使用这些新兴技术、量子计算机和深度学习来获取关于基态的全部信息。

“因为这些矩阵是一种特殊类型黑洞的表示，如果我们知道这些矩阵是如何排列的，以及它们的属性是什么，我们就可以知道，一个黑洞内部是什么样子。黑洞的视界上有什么?它是从哪里来的?回答这些问题是朝实现量子引力理论迈出的一步。”

Rinaldi说，这个结果为量子和机器学习算法的未来研究提供了一个重要的基准，研究人员就可以利用全息原理来研究量子引力。

通过 DAO，研究组织和媒体可以打破地域的限制，以社区的方式资助和生产内容。DAOrayaki将会通过DAO的形式，构建一个代表社区意志并由社区控制的功能齐全的去中心化媒体。欢迎通过文末方式提交与DAO、量子计算、星际移民、DA相关的内容，瓜分10000USDC赏金池！欢迎加入DAOrayaki社区，了解去中心化自治组织（DAO），探讨最新话题！

官方网站：daorayaki.org

Discord server: https://discord.gg/2UjpmPH9

Medium: https://medium.com/@daorayaki

Email: daorayaki@dorafactory.org

微信助手：DAOrayaki-Media