黑洞内部发生了什么?答案可以写在它的表面

量子计算和机器学习被吹捧为下一个计算机革命已经有一段时间了。然而，专家们已经指出，这些技术并不是通用的工具——它们只会是计算机能力在非常专门的算法上的巨大飞跃，而且它们很少能够处理相同的问题。他们可能合作的一个例子是，为物理学中最棘手的问题之一建模:广义相对论与标准模型有什么关系?

由密歇根大学和日本理研所的研究人员领导的一个团队认为，他们可能已经开发出了这样一种算法。这两个伟大的物理模型碰撞的地方并不多，但黑洞附近就是其中之一。黑洞本身是巨大的引力井，完全由广义相对论定义的物理学所控制。然而，无数的粒子在它们的视界周围旋转，它们对重力有效地免疫，但却落在直接处理粒子物理学的标准模型结构之下。

有一种长期存在的理论认为，黑洞上方粒子的运动和加速可能是黑洞自身在三维空间中所做的二维投影。这个概念被称为全息二象性，它可能为寻找相对论(即黑洞物理学)和标准模型(即粒子物理学)之间的关键界面提供了一种方法。

然而，全息二元性本身对于用现代计算算法建模具有挑战性。因此，恩里科·里纳尔迪，一位密歇根大学和日本理研所的物理学家，试图开发一个新的模型，该模型利用了两个被大肆宣传的计算架构——量子计算和机器学习。

量子计算本身可以帮助建模粒子物理，因为一些物理基础的计算平台本身服从那些物理定律，我们是如此陌生的宏观尺度。在这种情况下，里纳尔迪博士和他的团队使用了一种在量子计算机上运行的算法来模拟构成全息二象性项目部分的粒子。

为此，他们利用了一个叫做量子矩阵模型的概念。与许多物理模拟一样，模拟的最终目标是找到系统的最低能量状态。量子矩阵模型将有助于有效地解决优化问题，找到投射在黑洞上方的粒子系统的最低能量状态。

利用量子计算机的算法并不是找到这些“基态”(系统的最低能态)的唯一方法。另一种方法是利用一种叫做神经网络的人工智能技术。这些都是基于类似于人类大脑中发现的系统。

该团队将这些算法应用于一种仍然基于量子思想但不需要量子计算的矩阵模型。这些被称为量子波函数，再次代表了黑洞表面粒子的活动。再一次，神经网络算法能够解决优化问题并找到它的“基态”。

根据Rinaldi的说法，这些新技术代表了对以前解决这些算法的其他努力的重大改进。“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在一份新闻稿中说。

这对于理解黑洞内部，或者标准模型和广义相对论之间的界面意味着什么，仍然有点像一个黑盒。理论上，应该有一种方法可以利用这些算法定义的量子波函数类型来模拟黑洞内部。但是，根据里纳尔迪的说法，这项可能导致潜在的量子引力理论的工作仍有待完成。随着这些天花乱坠的计算体系结构越来越受欢迎，几乎可以肯定有人会试图揭开这个黑盒子。