ターンオーバータイム!量子タイムマシンは実際にはすでに存在しますが、双方向であり、人を運ぶことはできません。
誰かが、今、双方向に送信でき、過去と未来を反転できる種類のタイムマシンがあると言ったら、信じますか?
実際、この「タイムマシン」は科学者の研究室で何日も研究されてきましたが、その乗客は人間ではなく粒子です。
より正確には、光子です。人間が狼男に変身するのと同じように、狼男も人間に変身します。慎重に設計された回路では、これらの光子は、順方向と逆方向の量子の組み合わせで流れる時間のように動作します。
スコットランドのグラスゴー大学の量子物理学者ソーニャ・フランケ・アーノルド氏は、「同様の双方向マシンが存在するのは歴史上初めてだ。
SF ファンにとって悲しいことに、これらの装置は 1982 年のデロリアンと何の共通点もありません。チームが行った実験の間中、実験室の時計は着実に進み続けました。
回路中を飛んでいる光子だけが奇妙な時間変化を経験しており、さらに研究者らはこの「時間の矢の反転」が本物なのか、シミュレーションなのかについても議論している。
しかし、この不可解な現象は、新しい量子技術の出現につながる可能性があります。
時間の概念の破壊
10 年前、物理学者はそれを行いました。数年前、量子力学の奇妙な法則が「時間」の常識を覆すことに初めて気づきました。
#そういうことですね。粒子を探すときは、常に単一の点状の場所で粒子が検出されます。
しかし、測定される前、粒子は波のように振る舞い、複数のルートに広がり振動する「波動関数」として現れます。この未決定の状態では、粒子は「重ね合わせ」と呼ばれる可能な位置の量子状態で存在します。
2013 年に発表された論文の中で、現在香港大学で働く物理学者のジュリオ・チリベラらは、イベントを時系列のオーバーレイに入れることができる回路を提案しました。空間内の位置オーバーレイよりもさらに一歩進みます。
4 年後、ルビーノと同僚はこのアイデアを実験的に直接実証しました。彼らは 2 つのパスの重ね合わせに光子を送りました。
一方のパスでは、光子は最初にイベント A を経験し、次にイベント B を経験しました。もう一方のパスでは、光子は最初にイベント B を経験しました。 、そしてイベントAを体験します。ある意味、それぞれの出来事が別の出来事を引き起こしているように見え、この現象は不確定な因果関係として知られるようになりました。
時間の進行の順序を乱すだけでは飽き足らず、チリベラたちは次に時間そのものの進行方向、つまり矢を目指した。彼らは、時間が過去から未来へ、あるいはその逆に重ね合わせられる量子機器、つまり不定の時間の矢を求めています。
これを行うには、腕を左右に振ることができるメトロノームのような、逆の変化を起こすことができるシステムが必要であると研究者らは気づきました。
彼らは、このようなシステムが重ね合わせ状態に置かれることを想像しています。ミュージシャンが右と左に同時に回転するようなものです。 「量子メトロノーム」について。
このアイデアが提案されると、光学の魔術師たちはすぐに実験室でモデルを構築し始めました。昨年の秋、両チームはビルドの成功を発表しました。
「Two-dot」ゲーム
研究者たちは、量子両面プレイヤーのみがプレイできるゲームを設計しました。フォトンを使ってこのゲームをプレイするには、2 つのクリスタル ガジェット A と B にフォトンを発射する必要があります。ガジェットを逆方向に通過させると、偏光がまったく逆に回転します。
プレーの各ラウンドの前に、「審判」は密かにガジェットを 2 つの方法のいずれかに設定します。 A を通って順方向に進み、次に B を通って逆方向に進む経路では、時間反転したパス (A を通って逆方向に、次に B を通って順方向) に対して光子の波動関数がシフトしますが、その逆は起こりません。
このゲームでは、プレイヤーは審判がどの選択をしたのかを理解する必要があります。プレイヤーがガジェットやその他の光学系を好きなように配置したら、迷路を通してフォトンを送ります。
光子は最終的に 2 つの検出器のいずれかに表示されます。プレーヤーが十分に賢い方法で迷路を設定した場合、フォトンを保持している検出器をクリックすると、裁判官の選択が明らかになります。
プレイヤーが各ガジェット内で光子が一方向にのみ移動するように回路を設定すると、たとえ A と B の因果関係が不確かであっても、検出器のクリック音は約90%の確率でひみつ道具の設定と一致します。
光子が重ね合わせを受けて 2 つのガジェットを前後に通過する場合 (「量子時間反転」として知られる現象) のみ、すべてのラウンドの実験に勝つことができます。理論的には。
昨年、中国の合肥とオーストリアのウィーンに拠点を置く 2 つのチームが、それぞれ独自の「量子時間フリップ」を構築しました。 「回路。 100 万回のテストを経て、ウィーンのチームはゲームの成功率を 99.45% まで高めました。もう一方のチームがラウンドの 99.6% で勝利しました。
両方の結果は理論的限界の 90% を破っており、実験モデルの光子が 2 つの相反する変換の重ね合わせを経験しているため、時間の方向を表す矢印が不確かであることを証明しています。の。
「時間逆転」の解釈
研究者たちは量子を実行し、名前を付けましたが、タイムフリップですが、どの言葉が自分たちの作品を最もよく体現しているかについては、全員が同意しているわけではありません。
チリベラの見解では、これらの実験は「時間の矢」の逆転をシミュレートするものです。実際、真の反転には、時空構造自体を、時間が異なる方向を指す 2 つの幾何学的形状の重ね合わせに配置する必要があります。
彼は、「この観点から見ると、明らかに、この実験は真の時間逆転を達成できませんでした。」
別のチームはそう信じています。これらの回路の最大の意義は、空間と時間をシミュレートする上で重要な一歩を踏み出したことです。研究者らは、光子の測定可能な特性は、2つの時空幾何学的形状の真の重ね合わせを通過した場合とまったく同じように変化すると述べている。
そして量子の世界では、測定可能なものの外には現実は存在しません。 「つまり、状態そのものからは、シミュレーションと実物の間に違いはありません。」
逆転はありません時間?それは問題ありません
いずれにしても、物理学者は、同時に 2 つの方向に流れる量子回路を設計できる能力が、量子コンピューティング、通信、計測のための新しいデバイスにつながる可能性があることを期待しています。 。
「これにより、単にシーケンス内で操作する以上のことが可能になります」と、フランスのニール研究所の量子情報理論家であるシリル・ブランシアール氏は言います。 # 一部の研究者は、量子時間反転のタイムトラベルの風味により、将来の量子の「元に戻す」ことが可能になるのではないかと推測しています。回路が両方向に同時に動作することで、量子マシンがより効率的に動作できるようになる可能性があると期待する人もいます。
一部の研究者は次のように述べています:「このモデルは、いわゆるクエリの複雑さを軽減するためにゲームで使用できます。」彼は、特定のタスクを実行するために必要なステップ数について言及しています。
このような実用的なアプリケーションは保証されていません。チリベラとリューの推測ゲームでタイムフリップ回路は理論上の性能限界を突破しましたが、それは高度に設計された課題であり、一方向回路に対する利点を強調するだけであり、実用化にはまだ程遠いものでした。
しかし、奇妙な、一見ニッチな量子現象には、それ自体が有用であることを証明するコツがあります。有名な物理学者アントン・ツィーリンガーはかつて、量子のもつれ、つまり分離した粒子間のつながりは何の良いことももたらさないと主張しました。
現在、量子もつれは、初期の量子ネットワークのノードを量子コンピューターのプロトタイプの量子ビットに結び付けており、ツィーリンガー氏のこの現象の研究により、2022 年のノーベル物理学賞受賞が認められました。量子時間可逆性の問題はまだ非常に初期段階にあります。
以上がターンオーバータイム!量子タイムマシンは実際にはすでに存在しますが、双方向であり、人を運ぶことはできません。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









従来のコンピューティングを超える能力を備えているだけでなく、より低コストでより効率的なパフォーマンスを実現する人工知能モデルを想像してみてください。これは SF ではありません。世界で最も強力なオープンソース MoE モデルである DeepSeek-V2[1] が登場しました。 DeepSeek-V2 は、経済的なトレーニングと効率的な推論の特徴を備えた強力な専門家混合 (MoE) 言語モデルです。これは 236B のパラメータで構成されており、そのうち 21B は各マーカーをアクティブにするために使用されます。 DeepSeek67B と比較して、DeepSeek-V2 はパフォーマンスが優れていると同時に、トレーニング コストを 42.5% 節約し、KV キャッシュを 93.3% 削減し、最大生成スループットを 5.76 倍に高めます。 DeepSeek は一般的な人工知能を研究する会社です

AI は確かに数学を変えつつあります。最近、この問題に細心の注意を払っている陶哲軒氏が『米国数学協会会報』(米国数学協会会報)の最新号を送ってくれた。 「機械は数学を変えるのか?」というテーマを中心に、多くの数学者が意見を述べ、そのプロセス全体は火花に満ち、ハードコアで刺激的でした。著者には、フィールズ賞受賞者のアクシャイ・ベンカテシュ氏、中国の数学者鄭楽軍氏、ニューヨーク大学のコンピューター科学者アーネスト・デイビス氏、その他業界で著名な学者を含む強力な顔ぶれが揃っている。 AI の世界は劇的に変化しています。これらの記事の多くは 1 年前に投稿されたものです。

Boston Dynamics Atlas は正式に電動ロボットの時代に突入します!昨日、油圧式アトラスが歴史の舞台から「涙ながらに」撤退したばかりですが、今日、ボストン・ダイナミクスは電動式アトラスが稼働することを発表しました。ボストン・ダイナミクス社は商用人型ロボットの分野でテスラ社と競争する決意を持っているようだ。新しいビデオが公開されてから、わずか 10 時間ですでに 100 万人以上が視聴しました。古い人が去り、新しい役割が現れるのは歴史的な必然です。今年が人型ロボットの爆発的な年であることは間違いありません。ネットユーザーは「ロボットの進歩により、今年の開会式は人間のように見え、人間よりもはるかに自由度が高い。しかし、これは本当にホラー映画ではないのか?」とコメントした。ビデオの冒頭では、アトラスは仰向けに見えるように地面に静かに横たわっています。次に続くのは驚くべきことです

今月初め、MIT やその他の機関の研究者らは、MLP に代わる非常に有望な代替案である KAN を提案しました。 KAN は、精度と解釈可能性の点で MLP よりも優れています。また、非常に少数のパラメーターを使用して、多数のパラメーターを使用して実行する MLP よりも優れたパフォーマンスを発揮できます。たとえば、著者らは、KAN を使用して、より小規模なネットワークと高度な自動化で DeepMind の結果を再現したと述べています。具体的には、DeepMind の MLP には約 300,000 個のパラメーターがありますが、KAN には約 200 個のパラメーターしかありません。 KAN は、MLP が普遍近似定理に基づいているのに対し、KAN はコルモゴロフ-アーノルド表現定理に基づいているのと同様に、強力な数学的基礎を持っています。以下の図に示すように、KAN は

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

目標検出は自動運転システムにおいて比較的成熟した問題であり、その中でも歩行者検出は最も初期に導入されたアルゴリズムの 1 つです。ほとんどの論文では非常に包括的な研究が行われています。ただし、サラウンドビューに魚眼カメラを使用した距離認識については、あまり研究されていません。放射状の歪みが大きいため、標準のバウンディング ボックス表現を魚眼カメラに実装するのは困難です。上記の説明を軽減するために、拡張バウンディング ボックス、楕円、および一般的な多角形の設計を極/角度表現に探索し、これらの表現を分析するためのインスタンス セグメンテーション mIOU メトリックを定義します。提案された多角形モデルの FisheyeDetNet は、他のモデルよりも優れたパフォーマンスを示し、同時に自動運転用の Valeo 魚眼カメラ データセットで 49.5% の mAP を達成しました。

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。
