물리학자 Enrico Rinaldi와 동료들은 알아내기 위해 양자 컴퓨팅을 사용하여 홀로그램 이중성을 조사하고 있습니다.
우리 주변의 모든 것이... 홀로그램이라면? 요점은 그럴 수 있다는 것입니다. 미시간 대학의 과학자들은 홀로그램 이중성이라는 아이디어를 더 잘 이해하기 위해 양자 컴퓨팅과 기계 학습을 사용하고 있습니다.
홀로그램 이중성은 입자 이론과 입자의 상호 작용을 중력 이론과 연결하는 수학적 가설입니다.
이 가설은 중력 이론과 입자 이론이 수학적으로 동등하다고 가정합니다. 중력 이론에서 수학적으로 발생하는 일은 입자 이론에서도 발생하며 그 반대도 마찬가지입니다.
두 이론 모두 다른 차원을 설명하지만 설명하는 차원의 수는 하나씩 다릅니다. 따라서 예를 들어 블랙홀 모양의 내부에는 중력이 3차원으로 존재하고 입자는 표면에 2차원인 평평한 원반으로 존재합니다.
이것을 상상하기 위해, 거대한 질량으로 인해 시공간을 휘게 하는 블랙홀에 대해 다시 생각해 보십시오.
3차원으로 존재하는 블랙홀의 중력은 2차원에서 그 위에서 "춤추는" 입자와 수학적으로 관련이 있습니다. 따라서 블랙홀은 3차원 공간에 존재하지만 입자를 통해 투영된 것으로 보입니다.
일부 과학자들은 우리 우주 전체가 입자의 홀로그램 투영이며 이것이 일관된 양자 중력 이론으로 이어질 수 있다고 제안합니다.
아인슈타인의 일반 상대성 이론에는 입자가 없고 시공만 있습니다. 그리고 입자 물리학의 표준 모델에는 중력이 없고 입자만 있습니다.”라고 이 연구의 저자인 Enrico Rinaldi가 말했습니다. 두 개의 서로 다른 이론을 연결하는 것은 지난 세기부터 사람들이 해결하려고 했던 물리학의 오랜 문제입니다.
PRX Quantum 저널에 발표된 연구에서 그와 동료들은 양자 매트릭스 모델이라고 하는 수학적 문제의 최저 에너지 상태를 찾기 위해 양자 컴퓨팅과 딥 러닝을 사용하여 홀로그램 이중성을 탐구하는 방법을 탐구합니다.
이러한 양자 매트릭스 모델은 입자 이론의 표현입니다. 홀로그램 이중성은 입자 이론을 나타내는 시스템에서 수학적으로 발생하는 일이 중력을 나타내는 시스템에 유사하게 영향을 미칠 것임을 시사하기 때문에 이러한 양자 매트릭스 모델을 해결하면 중력에 대한 정보를 제공할 수 있습니다.
연구를 위해 Rinaldi와 그의 팀은 전통적인 방법을 사용하여 풀 수 있을 만큼 간단하지만 홀로그램 이중성을 통해 블랙홀을 설명하는 데 사용되는 더 복잡한 매트릭스 모델의 모든 특성을 가진 두 가지 매트릭스 모델을 사용했습니다.
우리는 수치 실험을 통해 이 입자 이론의 속성을 이해함으로써 중력에 대해 뭔가를 이해할 수 있기를 희망합니다.”라고 Rinaldi가 말했습니다. 불행히도 입자 이론을 푸는 것은 여전히 쉽지 않습니다. 그리고 이것이 컴퓨터가 우리를 도울 수 있는 곳입니다.
이러한 행렬 모델은 입자 이론에서 입자가 1차원 끈으로 표현되는 프레임워크인 끈 이론에서 객체를 나타내는 숫자 블록입니다. 연구자들이 이와 같은 매트릭스 모델을 풀 때, 그들은 바닥 상태라고 하는 시스템의 가장 낮은 에너지 상태를 나타내는 시스템에서 입자의 특정 구성을 찾으려고 노력하고 있습니다. 바닥 상태에서는 시스템을 교란시키는 무언가를 시스템에 추가하지 않는 한 시스템에 아무 일도 일어나지 않습니다.
이 바닥 상태가 어떻게 생겼는지 이해하는 것이 매우 중요합니다. 그러면 바닥 상태에서 무언가를 만들 수 있기 때문입니다.”라고 Rinaldi가 말했습니다. 따라서 물질의 경우 바닥 상태를 아는 것은 예를 들어 도체인지 초전도체인지 아는 것과 유사합니다. 그러나 가능한 모든 상태 중에서 이 기저 상태를 찾는 것은 다소 어려운 작업입니다. 이것이 우리가 이러한 수치적 방법을 사용하는 이유입니다.
Rinaldi는 행렬 모델의 숫자를 모래 알갱이로 생각할 수 있다고 말합니다. 모래가 평평할 때 이것이 모델의 기본 상태입니다. 그러나 모래에 잔물결이 있다면 그것을 고르게 할 방법을 찾아야 합니다. 이 문제를 해결하기 위해 연구원들은 먼저 양자 회로로 눈을 돌렸습니다. 이 방법에서 양자 회로는 와이어로 표현되며, 양자 정보의 각 큐비트 또는 비트는 와이어입니다. 와이어 상단에는 정보가 와이어를 통해 전송되는 방식을 결정하는 양자 연산인 게이트가 있습니다.
왼쪽에서 오른쪽으로 이동하면서 음악처럼 읽을 수 있습니다.”라고 Rinaldi가 말했습니다. 음악처럼 읽는다면 실제로 큐비트를 처음부터 모든 단계에서 새로운 것으로 바꾸는 것입니다. 그러나 그 과정에서 어떤 작업을 수행해야 하는지, 어떤 음표를 연주해야 하는지 모릅니다. 흔들리는 과정은 이 모든 게이트를 조정하여 올바른 모양을 취하여 전체 과정이 끝나면 바닥 상태에 도달하게 됩니다. 그래서, 당신은 이 모든 음악을 가지고 있고, 만약 당신이 올바르게 연주한다면, 결국 당신은 메인 상태를 갖게 될 것입니다.
그런 다음 연구원들은 이 양자 회로 방법의 사용을 딥 러닝 방법의 사용과 비교하기를 원했습니다. 딥 러닝은 인간의 두뇌가 작동하는 방식과 유사하게 데이터에서 관계를 찾으려고 시도하는 일련의 알고리즘인 신경망 접근 방식을 사용하는 기계 학습 유형입니다.
신경망은 수천 개의 얼굴 이미지를 가져와 특정 얼굴 랜드마크를 추출하여 개별 이미지를 인식하거나 존재하지 않는 사람의 새로운 얼굴을 생성함으로써 얼굴 인식 소프트웨어를 개발하는 데 사용됩니다.
이 연구에서 과학자들은 양자 파동 함수라고 하는 매트릭스 모델의 양자 상태에 대한 수학적 설명을 정의했습니다. 그런 다음 그들은 특별한 신경망을 사용하여 행렬의 가능한 가장 낮은 에너지 파동함수인 기저 상태를 찾았습니다. 신경망 번호는 모든 입자가 정렬되도록 "모래를 두드려서" 매트릭스 모델의 바닥 상태를 찾기 위해 반복적인 최적화 프로세스를 거칩니다.
두 접근 방식 모두에서 연구원들은 조사한 두 매트릭스 모델의 기저 상태를 찾을 수 있었지만 양자 회로는 소수의 큐비트로 제한됩니다. 현재 양자 하드웨어는 수십 큐비트만 처리할 수 있습니다. 악보에 라인을 추가하는 것은 비용이 많이 들고 더 많이 추가할수록 음악을 덜 정확하게 재생할 수 있습니다.
사람들이 일반적으로 사용하는 다른 방법은 바닥 상태 에너지를 찾을 수 있지만 파동 함수의 전체 구조는 찾을 수 없다고 Rinaldi는 말했습니다. 우리는 이러한 새로운 기술, 양자 컴퓨터 및 딥 러닝을 사용하여 바닥 상태에 대한 완전한 정보를 얻는 방법을 보여주었습니다.
이 행렬은 특별한 유형의 블랙홀에 대한 가능한 표현 중 하나이기 때문에 행렬이 어떻게 배열되고 그 속성이 무엇인지 알면 예를 들어 블랙홀 내부가 어떻게 생겼는지 알 수 있습니다. 블랙홀의 사건 지평선에는 무엇이 있습니까? 그것이 어디에서 온 것인가? 이러한 질문에 대한 답은 중력의 양자 이론을 실현하는 단계가 될 것입니다.
과학자들은 결과가 연구원들이 홀로그램 이중성 아이디어를 통해 양자 중력을 연구하는 데 사용할 수 있는 양자 및 기계 학습 알고리즘에 대한 향후 작업을 위한 중요한 벤치마크를 보여준다고 말합니다.
이 연구는 PRX Quantum에 게재되었습니다.
“Matrix-Model Simulations Using Quantum Computing, Deep Learning, and Lattice Monte Carlo” by Enrico Rinaldi, Xizhi Han, Mohammad Hassan, Yuan Feng, Franco Nori, Michael McGuigan and Masanori Hanada.
2022-02-15 11:44:38
작가: Vitalii Babkin