走进科学, 量子
量子计算机+机器学习 融合广义相对论和标准模型
量子计算和机器学习都被吹捧为下一场大型计算机革命。
然而，专家们指出，这些技术并不是通用工具——它们只会是非常专业的算法在计算能力上的巨大飞跃。
一个这样的例子是模拟物理学中最棘手的问题之一的答案：广义相对论与标准模型有何关系？
由密歇根大学和 RIKEN 的研究人员领导的一个团队认为他们可能已经开发出这样的算法。两个伟大的物理模型发生碰撞的地方并不多，但黑洞周围就是其中之一。
黑洞本身就是完全由广义相对论定义的物理学支配的巨大重力井。然而，无数粒子围绕它们的事件视界旋转，这些粒子实际上不受重力影响，但确实属于标准模型，该结构直接处理粒子的物理特性。
有一个长期存在的理论认为，直接在黑洞上方的粒子的运动和加速度可能是黑洞本身在三个维度上所做的二维投影。
这个概念被称为全息对偶性，它可能提供一种方法来寻找相对论(即黑洞物理学)和标准模型(即粒子物理学)之间的关键接口。
然而，用现代计算算法建模全息对偶性本身就具有挑战性。因此，密歇根大学和 RIKEN 的物理学家 Enrico Rinaldi 试图开发一种新模型，利用这两种非常流行的计算架构——量子计算和机器学习。
他们利用了一个被称为量子矩阵模型的概念。与许多物理模拟一样，模拟的最终目标是找到系统的最低能量状态。
量子矩阵模型将有助于有效解决优化问题，找到投射在黑洞上方的粒子系统的最低能量状态。
利用量子计算机的算法并不是找到这些“基态”的唯一方法。另一种方法是利用一种称为神经网络的人工智能技术。这些基于使用类似于人类大脑中的系统。
该团队将这些算法应用于一种仍然基于量子思想但不需要量子计算的矩阵模型。
这些被称为量子波函数，再次代表了黑洞表面粒子的活动。再一次，神经网络算法能够解决优化问题并找到它的“基态”。
根据 Rinaldi 的说法，这些新技术代表了对以前解决这些算法的其他努力的重大改进。 “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。”
这对于理解黑洞内部或标准模型与广义相对论之间的接口意味着什么，仍然有点像黑匣子。从理论上讲，应该有一种方法可以使用这些算法定义的量子波函数类型来模拟黑洞内部。
但是根据Rinaldi的说法，这项工作可能会导致潜在的量子引力理论，但仍有待完善。然而，随着这些大肆宣传的计算架构继续流行，几乎可以肯定有人会尝试打开这个黑匣子。
https://www.sciencealert.com/what-happens-inside-a-black-hole-quantum-computers-may-be-able-to-replicate-it