黑洞里发生了什么？量子计算和机器学习或许会给出答案

　　一段时间以来，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的工具它们只会是计算机能力在非常专门的算法上的巨大飞跃，而且它们很少能够处理相同的问题。他们可能合作的一个例子是，为物理学中最棘手的问题之一建模：广义相对论与标准模型有什么关系？
　　由密歇根大学和日本理研所的研究人员领导的一个团队认为，他们可能已经开发出了这样一种算法。这两个伟大的物理模型碰撞的地方并不多，但黑洞周围就是其中之一。黑洞本身是巨大的引力井，完全由广义相对论定义的物理学所控制。然而，无数的粒子在其事件视界周围旋转，这些粒子有效地不受重力的影响，但确实属于标准模型结构，该结构直接涉及粒子的物理。
　　有一种长期存在的理论认为，黑洞上方粒子的运动和加速可能是黑洞自身在三维空间中所做的二维投影。这个概念被称为全息对偶性，它可能为寻找相对论（即黑洞物理学）和标准模型（即粒子物理学）之间的关键界面提供了一种方法。
　　然而，全息对偶性本身对于用现代计算算法建模具有挑战性。因此，恩里科里纳尔迪（EnricoRinaldi），一位密歇根大学和日本理研所的物理学家，试图开发一个新的模型，该模型利用了两个被大肆宣传的计算架构量子计算和机器学习。
　　量子计算本身有助于对粒子物理学进行建模，因为计算平台本身的一些物理学受制于宏观尺度上对我们来说如此陌生的物理定律。在这种情况下，里纳尔迪博士和他的团队使用在量子计算机上运行的算法来模拟构成全息对偶性项目部分的粒子。
　　为此，他们利用了一个叫做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地解决优化问题，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（系统的最低能态）的唯一方法。另一种方法是利用一种叫做神经网络的人工智能技术。这些研究的基础是使用与人脑中发现的系统相似的系统。
　　该团队将这些算法应用于一种矩阵模型，该模型仍然基于量子思想，但不需要量子计算。它们被称为量子波函数，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。
　　上图：一个活跃的超大质量黑洞的假想图。
　　根据里纳尔迪博士的说法，这些新技术代表着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，里纳尔迪博士解释说。
　　这对于理解黑洞内部，或者标准模型和广义相对论之间的界面意味着什么，仍然有点像一个黑盒。理论上，应该有一种方法可以利用这些算法定义的量子波函数类型来模拟黑洞内部。但是，根据里纳尔迪的说法，这项可能导致潜在的量子引力理论的工作仍有待完成。随着这些天花乱坠的计算体系结构越来越受欢迎，几乎可以肯定有人会试图揭开这个黑盒子。
　　如果朋友们喜欢，敬请关注知新了了！