假設有人——我們稱她為愛麗絲——有一本秘密書想要銷燬，所以她把它扔進了一個方便的黑洞。鑑於黑洞是自然界中最快的攪亂器，就像巨型垃圾粉碎機一樣，愛麗絲的秘密一定很安全，對吧？
現在假設她的死敵鮑勃擁有一臺與黑洞糾纏的量子計算機。（在糾纏的量子系統中，對一個粒子執行的動作也會類似地影響其糾纏夥伴，無論距離遠近，甚至是否有些粒子消失在黑洞中。）
帕特里克·海登和約翰·普雷斯基爾的一個著名思想實驗表明，鮑勃可以觀察到從黑洞邊緣洩漏出來的少量光粒子。然後，鮑勃可以將這些光子作為量子位元（量子計算的基本處理單元）透過他的量子計算機的門執行，以揭示攪亂愛麗絲文字的特定物理學原理。由此，他可以重建這本書。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續講述關於塑造我們今天世界的發現和想法的具有影響力的故事。
但沒那麼快。
我們最近關於量子機器學習的研究表明，愛麗絲的書可能畢竟永遠消失了。
量子計算機用於研究量子力學
愛麗絲可能永遠沒有機會將她的秘密藏在黑洞中。儘管如此，我們關於資訊攪亂的新不可行定理在理解量子機器學習、量子熱力學和量子資訊科學等快速擴張領域中的隨機和混沌系統方面具有實際應用。
理查德·費曼，20世紀最偉大的物理學家之一，在1981年的演講中開創了量子計算領域，當時他提出開發量子計算機作為模擬量子系統的自然平臺。否則，它們將非常難以研究。
我們在洛斯阿拉莫斯國家實驗室的團隊，以及其他合作者，一直專注於研究量子計算機的演算法，特別是機器學習演算法——有些人喜歡稱之為人工智慧。這項研究揭示了哪些演算法可以在現有的嘈雜的中等規模量子計算機上完成實際工作，以及量子力學中尚未解決的重大問題。
特別是，我們一直在研究變分量子演算法的訓練。它們建立了一個解決問題的地形，其中山峰代表系統或問題的高能量（不良）點，而山谷是低能量（理想）值。為了找到解決方案，該演算法會在數學地形中逐步搜尋，一次檢查一個特徵。答案就在最深的山谷中。
糾纏導致攪亂
我們想知道是否可以應用量子機器學習來理解攪亂。當由許多粒子或原子組成的系統中糾纏增加時，就會發生這種量子現象。將該系統的初始條件視為一種資訊——例如愛麗絲的書。隨著量子系統中粒子之間糾纏的增長，資訊會廣泛傳播；這種資訊的攪亂是理解量子混沌、量子資訊科學、隨機電路和一系列其他主題的關鍵。
黑洞是終極攪亂器。透過在與黑洞糾纏的理論量子計算機上使用變分量子演算法探索它，我們可以探測量子機器學習的可擴充套件性和適用性。我們還可以瞭解一些關於量子系統的新知識。我們的想法是使用變分量子演算法，該演算法將利用洩漏的光子來了解黑洞的動力學。該方法將是一個最佳化過程——再次，在數學地形中搜索以找到最低點。
如果我們找到了它，我們將揭示黑洞內部的動力學。鮑勃可以使用該資訊來破解攪亂器的程式碼並重建愛麗絲的書。
現在問題的關鍵來了。海登-普雷斯基爾思想實驗假設鮑勃可以確定攪亂資訊的黑洞動力學。相反，我們發現攪亂的本質阻止了鮑勃學習這些動力學。
停滯在貧瘠的平原上
原因如下：該演算法停滯在貧瘠的平原上，這在機器學習中就像聽起來一樣糟糕。在機器學習訓練期間，貧瘠的平原代表演算法所能看到的完全平坦的解決問題的空間。在這個沒有特徵的地形中，演算法找不到向下的斜坡；沒有通往能量最小值的清晰路徑。該演算法只是空轉，無法學習任何新東西。它無法找到解決方案。
我們由此產生的不可行定理表明，任何量子機器學習策略在應用於未知的攪亂過程時都會遇到可怕的貧瘠平原。
好訊息是，大多數物理過程不像黑洞那樣複雜，而且我們通常會預先了解它們的動力學，因此不可行定理並沒有否定量子機器學習。我們只需要仔細選擇我們應用它的問題。而且我們不太可能很快需要量子機器學習來窺探黑洞內部以瞭解愛麗絲的書——或任何其他東西。
因此，愛麗絲可以放心，她的秘密畢竟是安全的。
這是一篇觀點和分析文章，作者或多位作者表達的觀點不一定代表《大眾科學》的觀點。