科学探索|黑洞里有什么？物理学家用量子计算探测全息二象性来寻找答案( 二 ) 黑洞里有什么？物理学家用量

Rinaldi表示，大家可以把矩阵模型中的数字看作是沙粒。当沙子是平的，那就是模型的基态；但如果沙子里有波纹，那么必须找到一种方法将它们弄平。为了解决这个问题，研究人员首先着眼于量子电路。在这种方法中，量子电路由导线表示，每个量子比特都是一条导线。在电线的上面是门，它是决定信息如何沿着电线传递的量子操作。
“你可以把它们当作音乐来读，从左到右， ”Rinaldi说道， “如果你把它当作音乐来读，你基本上是在把一开始的量子比特转变为每一步的新东西。但你不知道在你前进的过程中应该做哪些操作，应该演奏哪些音符。摇动过程将调整所有这些门，从而使它们采取正确的形式以便在整个过程结束时达到基态。所以你有所有这些音乐，如果你弹得对，在最后，你就有了基态。“
研究人员随后想把使用这种量子电路方法跟使用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。
神经网络则被用来设计面部识别软件，通过输入数以千计的人脸图像--它们从中得出面部的特定地标以识别个别图像或生成不存在的人的新脸。
在Rinaldi的研究中，研究人员定义了其矩阵模型的量子状态的数学描述，称为量子波函数。然后，他们使用了一个特殊的神经网络以便找到具有最低可能能量的矩阵波函数--其基态。神经网络的数字通过一个迭代的“优化”过程来寻找矩阵模型的基态并敲击沙桶使其所有的沙粒都平整。
在这两种方法中，研究人员都能找到他们所研究的两个矩阵模型的基态，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比特：在乐谱上添加线条变得很昂贵，而且添加的越多能演奏的音乐就越不精确。
“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， ”Rinaldi说道， “我们已经展示了如何使用这些新的新兴技术、量子计算机和深度学习来获得关于基态的全部信息。因为这些矩阵是一种特殊类型的黑洞的可能代表，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，如黑洞的内部是什么样子。黑洞的事件视界上有什么？它是从哪里来的？回答这些问题将是实现量子引力理论的一个步骤。”
Rinaldi表示，这些结果为未来的量子和机器学习算法工作展示了一个重要的基准，研究人员可以通过全息二象性的思想来研究量子引力。
接下来， Rinaldi正在跟Nori和Hanada合作以研究这些算法的结果如何能够扩展到更大的矩阵以及它们对引入“噪音”效应或可能引入错误的干扰的鲁棒性如何。