สล็อตออนไลน์ ข้อความที่รบกวนโดยหลุมดำยืนหยัดต่อสู้กับคอมพิวเตอร์ควอนตัม

สล็อตออนไลน์ ข้อความที่รบกวนโดยหลุมดำยืนหยัดต่อสู้กับคอมพิวเตอร์ควอนตัม

สล็อตออนไลน์ หลุมดำเป็นตัวถอดรหัสข้อมูลที่เร็วที่สุดในธรรมชาติ และการวิจัยใหม่ชี้ให้เห็นว่าความลับที่ถูกโยนเข้าไปอาจมีความปลอดภัยมากกว่าที่เคยคิดไว้ ในบทความที่ตีพิมพ์ในPhysical Review Lettersนักวิจัยจาก Los Alamos National Laboratory ในสหรัฐอเมริกาแสดงให้เห็นว่าเมื่อข้อความถูกรบกวนโดยหลุมดำหรือระบบอื่นที่มีคุณสมบัติคล้ายคลึงกัน แม้แต่คอมพิวเตอร์ควอนตัมก็ไม่สามารถรวมเข้าด้วยกันได้

Scrambler เป็นระบบควอนตัมที่นำข้อมูลในพื้นที่

และกระจายไปทั่วทั้งระบบ ทำให้เกิดการพัวพันกันของควอนตัมระหว่างภูมิภาคที่ห่างไกล พวกมันเติบโตในบริบทต่าง ๆ ทางฟิสิกส์ แม้ว่าหลุมดำอาจเป็นตัวอย่างที่มีชื่อเสียงที่สุด แต่ scrambler ก็มีอยู่ในระบบธรรมดาๆ เช่น โซ่หมุน – การจัดเรียงอนุภาคควอนตัมแบบ 1 มิติที่มีการประกบกันระหว่างเพื่อนบ้านที่ใกล้ที่สุด และในโลหะ “แปลก” ซึ่งความต้านทานขึ้นอยู่กับอุณหภูมิผิดปกติ

แม้ว่ากระบวนการแย่งชิงจะเป็นตัวกำหนด – อินพุตคงที่ให้เอาต์พุตคงที่ – ระบบการแย่งชิงสามารถก่อให้เกิดพฤติกรรมที่ซับซ้อนอย่างมาก โดยกระจายข้อมูลในลักษณะที่ดูเหมือนสุ่ม การเกิดขึ้นของความสุ่มที่ชัดเจนนี้เรียกว่าความโกลาหลของควอนตัม ในการเปรียบเทียบกับทฤษฎีความโกลาหลแบบคลาสสิก ซึ่งระบบธรรมดาที่คล้ายคลึงกันสร้างไดนามิกที่ซับซ้อนเท่ากัน

ความหวังในการกู้คืนข้อความนักฟิสิกส์ที่ทำงานที่จุดตัดของกลศาสตร์ควอนตัมและแรงโน้มถ่วงสนใจใน scrambler ส่วนหนึ่งเนื่องจากสิ่งที่เรียกว่าความขัดแย้งของข้อมูลหลุมดำ ความขัดแย้งหมุนรอบชะตากรรมสุดท้ายของข้อมูลที่ตกลงมาจากขอบฟ้าเหตุการณ์และกลายเป็นหลุมดำ: หลังจากที่ข้อความถูกรบกวนข้ามพื้นผิวของหลุมดำ ข้อมูลของมันจะติดอยู่ในหลุมดำตลอดไปหรือทำอย่างใด หนี? โรงเรียนแห่งความคิดแห่งหนึ่งระบุว่าข้อมูลหนีออกจากหลุมดำในรูปของโฟตอนที่ปล่อยออกมาผ่านกระบวนการที่เรียกว่ารังสีฮอว์คิง ทฤษฎีนี้ได้รับการยืนยันในปี 2019แต่คณะลูกขุนยังไม่ตัดสิน

โซอี้ โฮล์มส์ หัวหน้าทีมวิจัย scramblers ศึกษา  

เป็นนักวิชาการดุษฎีบัณฑิตที่ห้องปฏิบัติการแห่งชาติลอส อาลามอส ในปี 2550 ระหว่างการตรวจสอบความขัดแย้งนี้ นักฟิสิกส์ Patrick Hayden และ John Preskill ได้ทำการทดลองทางความคิด สมมติว่าหลุมดำเข้ารหัสข้อมูลในการแผ่รังสีของ Hawking พวกเขาแสดงให้เห็นว่าเมื่อข้อความถูกส่งไปยังหลุมดำ ชิ้นส่วนของมันสามารถกู้คืนได้อย่างรวดเร็วโดยการจับโฟตอนที่ปล่อยออกมาบางส่วน ซึ่งเป็นกระบวนการที่คล้ายกับการกู้คืนชิ้นส่วนของเอกสารที่หั่นเป็นชิ้นเล็กชิ้นน้อย จากความร้อนจากเครื่องทำลายเอกสาร อย่างไรก็ตาม แม้ว่าพฤติกรรมการแย่งชิงของหลุมดำจะทำให้การกู้คืนเป็นไปได้ แต่รังสีของ Hawking เพียงอย่างเดียวไม่ได้บอกคุณถึงวิธีถอดรหัสข้อความที่มีสัญญาณรบกวน จำเป็นต้องใช้วิธีการอื่นเพื่อประกอบเอกสารที่หั่นเป็นชิ้นใหม่อีกครั้งจากแถบกระดาษ

Scramblers รุมเร้าโดยที่ราบสูงที่แห้งแล้ง

ป้อนอัลกอริธึมการเรียนรู้ของเครื่อง เครื่องมือระบุรูปแบบอันทรงพลังเหล่านี้ “เรียนรู้” วิธีการประมาณค่าระบบทางกายภาพให้ดีที่สุดโดยเปรียบเทียบผลลัพธ์ของระบบจริงกับเอาท์พุตของตนเอง (โดยให้อินพุตเหมือนกันสำหรับทั้งคู่) ปรับแต่งโมเดลภายใน จากนั้นล้างข้อมูลซ้ำๆ จนกระทั่งเป็นจริงและการประมาณ จัด ปริมาณศูนย์กลางในกระบวนการเรียนรู้นี้คือปริมาณทางคณิตศาสตร์ที่เรียกว่าฟังก์ชันต้นทุน ซึ่งรวบรวมระดับความเบี่ยงเบนระหว่างแบบจำลองและระบบจริง

ไดอะแกรมของควอนตัม scrambler และโปรโตคอลที่เสนอสำหรับการใช้อัลกอริธึมการเรียนรู้ของเครื่องควอนตัมเพื่อถอดรหัสข้อความแผนผังของ Scrambler a A scrambler ซึ่งแสดงด้วย U รวมกัน จะกระจายข้อมูลอินพุต ขโปรโตคอลที่เสนอสำหรับการเรียนรู้วิธีการถอดรหัสข้อความที่มีสัญญาณรบกวนโดยใช้คอมพิวเตอร์ควอนตัม นักวิจัยพบว่าโปรโตคอลนี้ประสบปัญหาที่ราบสูงที่แห้งแล้งในวิธีการเรียนรู้ด้วยเครื่องแบบคลาสสิก ฟังก์ชันต้นทุนจะเหมือนกับทิวเขา 

ซึ่งประกอบไปด้วยยอดเขาและรางน้ำที่แสดงถึงค่าที่สูง

ขึ้นและต่ำลง การลดค่าใช้จ่ายของฟังก์ชัน – และการเรียนรู้แบบจำลองสำหรับระบบ – เปรียบเสมือนการค้นหาเส้นทางจากมากไปน้อยและเดินตามไปยังค่ายฐาน เมื่อแบบจำลองเป็นระบบควอนตัมที่สร้างแบบจำลองบนคอมพิวเตอร์ควอนตัม อย่างไรก็ตาม ภูมิทัศน์ของฟังก์ชันต้นทุนไม่ได้สมบูรณ์เสมอไป ในความเป็นจริง นักวิจัย LANL แสดงให้เห็นว่าเมื่อมีการขอให้อัลกอริทึมสร้างแบบจำลอง scrambler จะประสบปัญหา “ที่ราบสูงที่แห้งแล้ง” โซอี้ โฮล์มส์นักวิชาการด้านดุษฏีบัณฑิตที่ LANL และผู้เขียนนำในรายงานกล่าวว่า “ฟังก์ชันต้นทุนมักจะแบนทุกที่ โดยมีรูขนาดเท่าเข็มซึ่งเป็นฐาน”

สเปกตรัมความร้อนของหลุมดำอะนาล็อกทำให้รังสีฮอว์คิงกลายเป็นแสงใหม่ การขาดคุณสมบัติในฟังก์ชันต้นทุนทำให้การเรียนรู้ของเครื่องควอนตัมไม่มีประสิทธิภาพ เนื่องจากการค้นหา “หลุม” จากจุดเริ่มต้นแบบสุ่มภายในแนวนอนแทบจะเป็นไปไม่ได้เลยหากไม่มีเส้นทางลง “หากคุณกำลังเรียนรู้โดยใช้ฟังก์ชันต้นทุนที่ประเมินบนคอมพิวเตอร์ควอนตัม ไม่ว่าคุณจะมีคู่ฝึกกี่คู่ก็ตาม คุณก็จะไม่สามารถเรียนรู้ scrambler ได้” โฮล์มส์กล่าว “อย่างน้อยก็ไม่มีความรู้มาก่อน” ข้อบกพร่องนี้ตัดความเป็นไปได้ในการสร้างข้อความขึ้นใหม่ ซึ่งจะทำให้กระบวนการสลับกันกลับด้าน

บทเรียนที่ยากจะเรียนรู้นักวิจัยของ LANL สรุปว่าแม้จะรู้จักชิ้นส่วนของข้อความที่มีสัญญาณรบกวน แต่การรวมกลับเข้าด้วยกันก่อให้เกิดปัญหาที่คอมพิวเตอร์ควอนตัมไม่สามารถช่วยเราแก้ไขได้ “คุณอาจจะ (ทะเยอทะยาน!) พยายามใช้ฟิสิกส์พื้นฐานของหลุมดำเพื่อรวมข้อความเข้าด้วยกัน” โฮล์มส์กล่าว โดยเตือนว่าในปัจจุบันยังไม่มีวิธีการดังกล่าว “แต่วิธีการเรียนรู้ใดๆ ก็ดูจะสิ้นหวัง” ดูเหมือนธรรมชาติจะเป็นผู้วางใจที่ดีทีเดียว

ข้อบกพร่องหมุนการเคลื่อนไหวของเพชรช้าจากนั้นเพชรจะหมุนช้าๆ เป็นเวลา 2 มิลลิวินาที หลังจากนั้นนักวิจัยได้จับคู่การหมุนด้วยนิวเคลียร์และอิเล็กทรอนิกส์ สิ่งนี้ทำให้พวกเขาสามารถวัดทิศทางของการหมุนของนิวเคลียร์ได้ จากนั้นพวกเขาใช้ข้อมูลนี้เพื่อกำหนดความเร็วในการหมุนของแท่นขุดเจาะโดยไม่ต้องอ้างอิงนิ่ง

ทีมงานกล่าวว่าประสิทธิภาพของอุปกรณ์ใหม่นี้เทียบเท่ากับไจโรสโคปที่มีจำหน่ายในท้องตลาดซึ่งใช้ระบบไมโครไฟฟ้า (MEMs) สิ่งเหล่านี้ใช้การสั่นแทนที่จะหมุน แต่ได้รับผลกระทบจากการขาดความมั่นคงในระยะยาว Akimov และเพื่อนร่วมงานกล่าวว่าระบบที่ใช้เพชรของพวกเขาสามารถรวมเข้ากับไมโครชิปที่มีอยู่และสามารถนำมาใช้เพื่อปรับปรุงความสามารถในการเดินเรือของยานพาหนะทางอากาศที่มีน้ำหนักเบารวมถึงโดรนไร้คนขับ สล็อตออนไลน์