Kvantemaskinelæring rammer en grænse

En ny sætning fra feltet kvantemaskinelæring har stukket et stort hul i den accepterede forståelse af informationsforvrængning.

"Vores teorem antyder, at vi ikke vil være i stand til at bruge kvantemaskinelæring til at lære typiske tilfældige eller kaotiske processer, såsom sorte huller. I denne forstand, det sætter en grundlæggende grænse for indlæringsevnen af ​​ukendte processer, " sagde Zoe Holmes, en post-doc ved Los Alamos National Laboratory og medforfatter til papiret, der beskriver arbejdet offentliggjort i dag i Fysisk gennemgangsbreve .

"Heldigvis fordi de fleste fysisk interessante processer er tilstrækkelig enkle eller strukturerede, så de ikke ligner en tilfældig proces, resultaterne fordømmer ikke kvantemaskinelæring, men fremhæver snarere vigtigheden af ​​at forstå dets grænser, " sagde Holmes.

I det klassiske Hayden-Preskill tankeeksperiment, en fiktiv Alice smider information som en bog ind i et sort hul, der forvrider teksten. Hendes ledsager, Bob, kan stadig hente det ved hjælp af entanglement, et unikt træk ved kvantefysikken. Imidlertid, det nye arbejde beviser, at grundlæggende begrænsninger for Bobs evne til at lære detaljerne i et givet sort huls fysik betyder, at rekonstruering af informationen i bogen bliver meget vanskelig eller endda umulig.

"Enhver information, der løber gennem en informations-scrambler, såsom et sort hul, vil nå et punkt, hvor maskinlæringsalgoritmen går i stå på et goldt plateau og dermed bliver utrænet. Det betyder, at algoritmen ikke kan lære scrambling-processer, " sagde Andrew Sornborger, en datalog ved Los Alamos og medforfatter af papiret. Sornborger er direktør for Quantum Science Center i Los Alamos og leder af centrets algoritmer og simuleringskraft. Centret er et multi-institutionelt samarbejde ledet af Oak Ridge National Laboratory .

Ufrugtbare plateauer er områder i det matematiske rum af optimeringsalgoritmer, hvor evnen til at løse problemet bliver eksponentielt sværere, efterhånden som størrelsen af ​​det system, der studeres, øges. Dette fænomen, hvilket i høj grad begrænser oplæringsevnen af ​​store kvanteneurale netværk, blev beskrevet i et nyligt papir af et beslægtet Los Alamos-hold.

"Seneste arbejde har identificeret potentialet for, at kvantemaskinelæring er et formidabelt værktøj i vores forsøg på at forstå komplekse systemer, sagde Andreas Albrecht, medforfatter til forskningen. Albrecht er direktør for Center for Quantum Mathematics and Physics (QMAP) og fremtrædende professor, Institut for Fysik og Astronomi, på UC Davis. "Vores arbejde peger på grundlæggende overvejelser, der begrænser dette værktøjs muligheder."

I Hayden-Preskill tankeeksperimentet, Alice forsøger at ødelægge en hemmelighed, kodet i en kvantetilstand, ved at smide det i naturens hurtigste scrambler, et sort hul. Bob og Alice er den fiktive kvantedynamiske duo, der typisk bruges af fysikere til at repræsentere agenter i et tankeeksperiment.

"Du tror måske, at dette ville gøre Alices hemmelighed ret sikker, " sagde Holmes, "men Hayden og Preskill hævdede, at hvis Bob kender den enhedsdynamik, der implementeres af det sorte hul, og deler en maksimalt sammenfiltret tilstand med det sorte hul, det er muligt at afkode Alices hemmelighed ved at indsamle et par ekstra fotoner udsendt fra det sorte hul. Men dette rejser spørgsmålet, hvordan kunne Bob lære dynamikken implementeret af det sorte hul? Godt, ikke ved at bruge kvantemaskinelæring, ifølge vores resultater."

En nøgledel af den nye sætning udviklet af Holmes og hendes medforfattere antager ingen forudgående viden om kvanteforvrængeren, en situation, der usandsynligt vil opstå i den virkelige videnskab.

"Vores arbejde henleder opmærksomheden på den enorme indflydelse, selv små mængder af tidligere information kan spille i vores evne til at udtrække information fra komplekse systemer og potentielt reducere styrken af ​​vores teorem, " sagde Albrecht. "Vores evne til at gøre dette kan variere meget mellem forskellige situationer (da vi scanner fra teoretiske overvejelser om sorte huller til konkrete situationer styret af mennesker her på jorden). Fremtidig forskning vil sandsynligvis vise interessante eksempler, begge situationer, hvor vores teorem forbliver fuldt ud i kraft, og andre, hvor det kan undgås.