• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Physique
    L'apprentissage automatique quantique atteint une limite

    Un nouveau théorème montre que les informations transmises à travers un brouilleur d'informations tel qu'un trou noir atteindront un point où aucun algorithme ne sera capable d'apprendre les informations qui ont été brouillées. Crédit :Laboratoire national de Los Alamos

    Un nouveau théorème du domaine de l'apprentissage automatique quantique a creusé un trou majeur dans la compréhension acceptée du brouillage de l'information.

    "Notre théorème implique que nous ne pourrons pas utiliser l'apprentissage automatique quantique pour apprendre des processus aléatoires ou chaotiques typiques, comme les trous noirs. Dans ce sens, elle impose une limite fondamentale à l'apprentissage de processus inconnus, " dit Zoé Holmes, un post-doctorant au Laboratoire national de Los Alamos et co-auteur de l'article décrivant le travail publié aujourd'hui dans Lettres d'examen physique .

    "Heureusement, parce que la plupart des processus physiquement intéressants sont suffisamment simples ou structurés pour ne pas ressembler à un processus aléatoire, les résultats ne condamnent pas l'apprentissage automatique quantique, mais plutôt souligner l'importance d'en comprendre les limites, " dit Holmes.

    Dans l'expérience de pensée classique de Hayden-Preskill, une Alice fictive jette des informations telles qu'un livre dans un trou noir qui brouille le texte. Son compagnon, Bob, peut toujours le récupérer en utilisant l'enchevêtrement, une caractéristique unique de la physique quantique. Cependant, le nouveau travail prouve que les contraintes fondamentales sur la capacité de Bob à apprendre les détails de la physique d'un trou noir donné signifient que la reconstruction des informations dans le livre va être très difficile, voire impossible.

    « Toute information transmise par un brouilleur d'informations tel qu'un trou noir atteindra un point où l'algorithme d'apprentissage automatique s'arrêtera sur un plateau stérile et deviendra ainsi impossible à entraîner. Cela signifie que l'algorithme ne peut pas apprendre les processus de brouillage, " a déclaré Andrew Sornborger, informaticien à Los Alamos et co-auteur de l'article. Sornborger est directeur du Quantum Science Center à Los Alamos et responsable des algorithmes et de la simulation du Centre. Le Centre est une collaboration multi-institutionnelle dirigée par le Laboratoire national d'Oak Ridge. .

    Les plateaux stériles sont des régions de l'espace mathématique des algorithmes d'optimisation où la capacité à résoudre le problème devient exponentiellement plus difficile à mesure que la taille du système étudié augmente. Ce phénomène, ce qui limite sévèrement la capacité d'entraînement des réseaux de neurones quantiques à grande échelle, a été décrit dans un article récent par une équipe apparentée de Los Alamos.

    "Des travaux récents ont identifié le potentiel de l'apprentissage automatique quantique comme un outil formidable dans nos tentatives pour comprendre les systèmes complexes, " a déclaré Andreas Albrecht, un co-auteur de la recherche. Albrecht est directeur du Center for Quantum Mathematics and Physics (QMAP) et professeur distingué, Département de physique et d'astronomie, à l'UC Davis. "Notre travail met en évidence des considérations fondamentales qui limitent les capacités de cet outil."

    Dans l'expérience de pensée de Hayden-Preskill, Alice tente de détruire un secret, codé dans un état quantique, en le lançant dans le brouilleur le plus rapide de la nature, un trou noir. Bob et Alice sont le duo dynamique quantique fictif généralement utilisé par les physiciens pour représenter des agents dans une expérience de pensée.

    "Vous pourriez penser que cela rendrait le secret d'Alice assez sûr, " Holmes a dit, "mais Hayden et Preskill ont fait valoir que si Bob connaît la dynamique unitaire mise en œuvre par le trou noir, et partagent un état d'intrication maximale avec le trou noir, il est possible de décoder le secret d'Alice en collectant quelques photons supplémentaires émis par le trou noir. Mais cela pose la question, comment Bob a-t-il pu apprendre la dynamique mise en œuvre par le trou noir ? Bien, pas en utilisant l'apprentissage automatique quantique, selon nos constatations."

    Un élément clé du nouveau théorème développé par Holmes et ses co-auteurs ne suppose aucune connaissance préalable du brouilleur quantique, une situation peu susceptible de se produire dans la science du monde réel.

    "Notre travail attire l'attention sur l'énorme effet de levier que même de petites quantités d'informations préalables peuvent jouer dans notre capacité à extraire des informations de systèmes complexes et potentiellement à réduire la puissance de notre théorème, " a déclaré Albrecht. "Notre capacité à le faire peut varier considérablement selon les différentes situations (alors que nous passons de l'examen théorique des trous noirs aux situations concrètes contrôlées par les humains ici sur terre). Les recherches futures sont susceptibles de révéler des exemples intéressants, les deux situations où notre théorème reste pleinement en vigueur, et d'autres où il peut être éludé.


    © Science https://fr.scienceaq.com