黑洞里面有什么？我们生活在全息投影中？物理学家找出答案

　　密歇根大学物理系的研究科学家Enrico Rinaldi正在使用两种模拟方法来解决量子矩阵模型，这些模型可以描述黑洞的引力是什么样子的。在此图中，弯曲时空的图形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（量子比特和门）表示。模拟方法与弯曲时空的每一侧合并，以表示重力属性来自模拟的事实。Rinaldi总部位于东京，由WAKO理研先锋研究集群的理论量子物理实验室主办。图片来源：Enrico Rinaldi/U-M，RIKEN和A. Silvestri
　　如果我们周围的一切都只是...全息图？
　　密歇根大学的物理学家正在使用量子计算和机器学习来更好地理解这个想法，称为全息对偶性。
　　全息对偶性是一种数学猜想，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：在引力理论中数学上发生的事情发生在粒子理论中，反之亦然。
　　这两种理论描述了不同的维度，但它们所描述的维度数量相差一个。例如，在黑洞的形状中，引力存在于三维空间中，而粒子理论存在于其表面的二维空间中 - 一个扁平的圆盘。
　　要想象这一点，再想想黑洞，它由于其巨大的质量而扭曲时空。黑洞的引力存在于三维空间中，在数学上与在其上方的二维空间中跳舞的粒子相连。因此，黑洞存在于三维空间中，但我们将其视为通过粒子投射。
　　一些科学家认为，我们的整个宇宙都是粒子的全息投影，这可能导致一致的量子引力理论。
　　＂在爱因斯坦的广义相对论中，没有粒子 - 只有时空。在粒子物理学的标准模型中，没有引力，只有粒子，＂密歇根大学物理系的研究科学家Enrico Rinaldi说。＂将这两种不同的理论联系起来是物理学中一个长期存在的问题 - 这是自上个世纪以来人们一直在努力做的事情。
　　在PRX Quantum杂志上发表的一项研究中，Rinaldi和他的合著者研究了如何使用量子计算和深度学习来探测全息对偶性，以找到称为量子矩阵模型的数学问题的最低能量状态。
　　这些量子矩阵模型是粒子理论的表示。因为全息二元性表明，在表示粒子理论的系统中，数学上发生的事情也会同样影响表示引力的系统，因此求解这样的量子矩阵模型可以揭示有关重力的信息。
　　在这项研究中，Rinaldi和他的团队使用了两个矩阵模型，这些模型足够简单，可以使用传统方法求解，但它们具有更复杂的矩阵模型的所有特征，用于通过全息对偶性描述黑洞。
　　＂我们希望通过数值实验了解这种粒子理论的性质，我们可以了解一些关于引力的知识，＂Rinaldi说，他住在东京，由Riken的理论量子物理实验室主持，Wako的Riken开拓研究集群。＂不幸的是，解决粒子理论仍然不容易。这就是计算机可以帮助我们的地方。
　　这些矩阵模型是表示弦理论中对象的数字块，弦理论是粒子理论中的粒子由一维字符串表示的框架。当研究人员解决这样的矩阵模型时，他们试图找到系统中粒子的特定配置，这些粒子代表系统的最低能量状态，称为基态。在基态下，除非您向系统添加一些扰动它的东西，否则系统不会发生任何变化。
　　＂了解这个基态是什么样子真的很重要，因为这样你就可以从中创造东西，＂Rinaldi说。＂因此，对于一种材料来说，知道基态就像知道，例如，它是导体，还是超级导体，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这个基态是一项相当艰巨的任务。这就是我们使用这些数值方法的原因。
　　你可以把矩阵模型中的数字想象成沙粒，Rinaldi说。当沙子水平时，这是模型的基态。但是，如果沙子里有涟漪，你必须找到一种方法来平衡它们。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。导线的顶部是门，它们是量子操作，决定了信息将如何沿着导线传递。
　　＂你可以把它们读成音乐，从左到右，＂里纳尔迪说。＂如果你把它当作音乐来读，你基本上是在把量子比特从一开始就变成新的东西。但是你不知道你应该做哪些操作，播放哪些音符。摇晃过程将调整所有这些门，使它们采取正确的形式，以便在整个过程结束时，您达到基态。所以你有所有这些音乐，如果你把它演奏得对，最后，你就有了基础状态。
　　然后，研究人员希望将使用这种量子电路方法与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，神经网络方法是一系列试图在数据中找到关系的算法，类似于人脑的工作方式。
　　神经网络用于设计面部识别软件，通过输入数千张人脸图像来设计人脸图像- 从中绘制出人脸的特定地标，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找到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迭代的＂优化＂过程来找到矩阵模型的基态，点击一桶沙子，使其所有颗粒都变得平坦。
　　在这两种方法中，研究人员都能够找到他们检查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位：在乐谱中添加线条变得昂贵，而且添加的越多，播放音乐的精确度就越低。
　　＂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。＂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有关基态的完整信息。
　　＂因为这些矩阵是特殊类型黑洞的一种可能表示，如果我们知道矩阵是如何排列的以及它们的性质是什么，我们就可以知道，例如，黑洞的内部是什么样子的。黑洞的事件视界是什么？它来自哪里？回答这些问题将是朝着实现量子引力理论迈出的一步。
　　Rinaldi说，这些结果显示了未来量子和机器学习算法工作的重要基准，研究人员可以通过全息对偶性的概念来研究量子引力。
　　Rinaldi的合著者包括斯坦福大学的Xizhi Han;Mohammad Hassan在纽约城市学院;袁峰在帕萨迪纳城市学院;Franco Nori在U-M和RIKEN;布鲁克海文国家实验室的Michael McGuigan和萨里大学的Masanori Hanada。
　　接下来，Rinaldi正在与Nori和Hanada合作，研究这些算法的结果如何扩展到更大的矩阵，以及它们对引入＂噪声＂效应或可能引入错误的干扰的鲁棒性。