Хаос — это сложно. Квантовое машинное обучение достигло предела

15 мая 2021, 10:00

Ученые нашли брешь в общепринятом понимании шифрования информации. Квантовое машинное обучение не сможет получить информацию из случайных или хаотических процессов — например, черных дыр.

В классическом мысленном эксперименте Хайдена-Прескилла вымышленная Алиса бросает некую информацию в черную дыру, которая перемешивает все, что в нее попадает. Вымышленный Боб все еще может расшифровать и получить оригинал из черной дыры при помощи квантового машинного обучения. Однако новая теорема, которую представила команда американских ученых во главе с Зои Холмс, показала, что восстановление этой информации будет чрезвычайно трудным — скорее даже практически невозможным.

Видео дня

Это произойдет из-за бесплодного плато — проблемы обучаемости, из-за которой способность решить проблему становится экспоненциально сложнее по мере увеличения размера изучаемой системы. Это явление недавно описала группа ученых из Лос-Аламоса.

«Если у вас есть бесплодное плато, вся надежда на квантовое ускорение или квантовое преимущество потеряна», — объясняют исследователи.

Хаос или серию абсолютно случайных событий невозможно предугадать, а потому алгоритмы не смогут на них учиться. Черная дыра будет неизбежно приводить алгоритмы машинного обучения к этой проблеме, из-за которой они потеряют возможность обучаться, ведь она является самым быстрым скремблером (шифровальщиком информации) в природе.

Тем не менее, все не так ужасно, отмечает Холмс. Большинство физических процессов, которые потенциально могут быть нам интересны, достаточно просты или, по крайней мере, структурированы. А значит, квантовое машинное обучение с ними справится. Фактически ученые показали предел, за который оно не сможет переступить: «Результаты нашего исследования не отрицают квантовое машинное обучение, а, скорее, подчеркивают важность понимания его ограничений», — отмечает Холмс.

Показать ещё новости
Радіо НВ
X