En ny teorem från området kvantmaskininlärning har stuckit ett stort hål i den accepterade förståelsen om informationsförvrängning.

"Vår teorem antyder att vi inte kommer att kunna använda kvantmaskininlärning för att lära oss typiska slumpmässiga eller kaotiska processer, som svarta hål. I det här sammanhanget, det sätter en grundläggande gräns för inlärbarheten av okända processer, sa Zoe Holmes, en post-doc vid Los Alamos National Laboratory och medförfattare till tidningen som beskriver arbetet som publicerades idag i Fysiska granskningsbrev .

"Tack och lov, eftersom de flesta fysiskt intressanta processer är tillräckligt enkla eller strukturerade så att de inte liknar en slumpmässig process, resultaten fördömer inte kvantmaskininlärning, utan snarare betona vikten av att förstå dess gränser, " sa Holmes.

I det klassiska tankeexperimentet Hayden-Preskill, en fiktiv Alice slänger information som en bok i ett svart hål som förvränger texten. Hennes följeslagare, Guppa, kan fortfarande hämta den med entanglement, en unik egenskap hos kvantfysiken. Dock, det nya verket bevisar att grundläggande begränsningar för Bobs förmåga att lära sig detaljerna i ett givet svart håls fysik innebär att det kommer att bli mycket svårt eller till och med omöjligt att rekonstruera informationen i boken.

"All information som körs genom en informationsförvrängare som ett svart hål kommer att nå en punkt där maskininlärningsalgoritmen stannar ute på en karg platå och därmed blir oträningsbar. Det betyder att algoritmen inte kan lära sig förvrängningsprocesser, " sa Andrew Sornborger, datavetare vid Los Alamos och medförfattare till tidningen. Sornborger är chef för Quantum Science Center i Los Alamos och ledare för centrets algoritmer och simuleringskraft. Centret är ett multiinstitutionellt samarbete som leds av Oak Ridge National Laboratory .

Karga platåer är regioner i det matematiska rummet av optimeringsalgoritmer där förmågan att lösa problemet blir exponentiellt svårare när storleken på systemet som studeras ökar. Detta fenomen, vilket allvarligt begränsar träningsförmågan hos storskaliga kvantneurala nätverk, beskrevs i en ny tidning av ett relaterat Los Alamos-team.

"Det senaste arbetet har identifierat potentialen för kvantmaskininlärning att vara ett formidabelt verktyg i våra försök att förstå komplexa system, sa Andreas Albrecht, en medförfattare till forskningen. Albrecht är chef för Centre for Quantum Mathematics and Physics (QMAP) och framstående professor, Institutionen för fysik och astronomi, vid UC Davis. "Vårt arbete pekar på grundläggande överväganden som begränsar det här verktygets kapacitet."

I Hayden-Preskills tankeexperiment, Alice försöker förstöra en hemlighet, kodad i ett kvanttillstånd, genom att kasta den i naturens snabbaste scrambler, ett svart hål. Bob och Alice är den fiktiva kvantdynamiska duon som vanligtvis används av fysiker för att representera agenter i ett tankeexperiment.

"Du kanske tror att detta skulle göra Alices hemlighet ganska säker, " sa Holmes, "men Hayden och Preskill hävdade att om Bob känner till den enhetliga dynamiken som implementeras av det svarta hålet, och delar ett maximalt intrasslat tillstånd med det svarta hålet, det är möjligt att avkoda Alices hemlighet genom att samla några ytterligare fotoner som emitteras från det svarta hålet. Men detta ställer frågan, hur kunde Bob lära sig dynamiken i det svarta hålet? Väl, inte genom att använda kvantmaskininlärning, enligt våra upptäckter."

En viktig del av den nya satsen utvecklad av Holmes och hennes medförfattare antar inga förkunskaper om kvantförvrängaren, en situation som sannolikt inte kommer att inträffa i verklig vetenskap.

"Vårt arbete uppmärksammar den enorma hävstångseffekt även små mängder tidigare information kan spela i vår förmåga att extrahera information från komplexa system och potentiellt minska kraften i vårt teorem, " Albrecht sa. "Vår förmåga att göra detta kan variera mycket mellan olika situationer (när vi skannar från teoretiska överväganden av svarta hål till konkreta situationer som kontrolleras av människor här på jorden). Framtida forskning kommer sannolikt att visa intressanta exempel, båda situationerna där vår teorem förblir fullt i kraft, och andra där det kan undvikas.