翻转时间!量子时光机其实已经有了,双向的,不能载人
如果有人告诉你,现在有一台时光机,还是可以双向传送的那种,能够翻转过去和未来,你信不信?
实际上,这个「时光机」早就在科学家的实验室中研究了不少日子了,只不过它的乘客并不是人类,而是粒子。
更确切地说,是光子。就像人类变成狼人时,狼人也变成了人类。在精心设计的电路中,这些光子的行为就像时间在向前和向后的量子组合中流动一样。
苏格兰格拉斯哥大学的量子物理学家索尼娅·弗兰克-阿诺德(Sonja Franke-Arnold)说:「这是有史以来第一次,我们有了一台类似双向时间旅行的机器。
遗憾的是,对于科幻小说迷来说,这些设备与1982年的DeLorean没有任何共同之处。在由中国和奥地利的两个独立团队进行的整个实验过程中,实验室的时钟继续稳定地向前跳动。
只有飞过电路的光子经历了时间上的诡异变化。而且,研究人员还在争论这个「时间之箭的翻转」是真的还是模拟的。
不过,这种令人困惑的现象可能会导致新型的量子技术的出现。
颠覆时间的概念
十年前,物理学家在十年前首次意识到,量子力学的奇怪规则推翻了常识中的「时间」概念。
是这样的。当你寻找一个粒子时,你总是在一个单一的、类似于点的地方检测到它。
但在被测之前,一个粒子的行为更像是一种波,表现为一个 「波函数」,在多条路线上扩散和振动。在这种未定的状态下,粒子存在于一种被称为「叠加」的可能位置的量子态中。
在2013年发表的一篇论文中,现任职于香港大学的物理学家朱利奥·奇里贝拉(Giulio Chiribella)等提出了一种电路,可以将事件放入时间顺序的叠加中,这比空间中的位置叠加更进一步。
四年后,鲁比诺和她的同事直接用实验证明了这个想法。他们将一个光子送入两条路径的叠加中:
在一条路径中,光子先经历事件A,然后是事件B,另一条路径中,先经历事件B,然后经历事件A。在某种意义上,每个事件似乎都会引起另一个事件,这种现象后来被称为不确定的因果关系。
奇里贝拉和他的同事并不满足于在时间前进的过程中仅仅扰乱事件的顺序,接下来他们瞄准了时间本身的行进方向,或者说箭头。他们寻求一种量子仪器,在这种仪器中,时间进入了从过去到未来的叠加状态,反之亦然--一种不确定的时间之箭。
要做到这一点,研究人员意识到,他们需要一个可以进行相反变化的系统,就像一个节拍器的手臂可以向左或向右摆动一样。
他们设想将这样的系统置于叠加状态,就像一位音乐家同时向右和向左拨动一个「量子节拍器」一样。
设想提出以后,光学奇才们立即开始在实验室里构建模型。去年秋天,两个团队陆续宣布构建成功。
「两点式」游戏
研究人员设计了一个只有量子两面手才能胜任的游戏。用光子来玩这个游戏需要将光子发射到两个晶体小工具,A和B。向后通过小工具会使偏振以恰好相反的方式旋转。
在每一轮游戏之前,「裁判员」秘密地将小工具设置为两种方式之一。向前穿过A,然后向后穿过B的路径,会使光子的波函数相对于时间反转的路径(向后穿过A,然后向前穿过B)发生移动,反之则不会。
在这场游戏中,玩家必须弄清楚裁判员做出了哪种选择。在玩家随心所欲地安排好小工具和其他光学元件后,将一个光子送过迷宫。
光子最终会出现在两个探测器中的一个。如果玩家以足够巧妙的方式设置了他们的迷宫,那么拥有光子的探测器的点击就会显示出裁判的选择。
当玩家设置了电路,使光子在每个小工具中只有一个方向移动,那么,即使A和B的因果顺序不确定,探测器的点击最多只有大约90%的时间与秘密小工具的设置相符。
只有当光子经历了一个叠加,使其向前和向后穿过两个小工具时(一种被称为「量子时间翻转」的现象),才能在理论上赢得每一轮实验。
去年,位于中国合肥和奥地利维也纳的两个团队都建立了各自「量子时间翻转」电路。经过100万轮的测试,维也纳团队将游戏成功率提升至99.45%。另一个团队则在99.6%的回合中获胜。
这两个结果都打破了理论上90%的限制,证明了实验模型中光子经历了两个对立变换的叠加,因此代表时间方向的箭头是不确定的。
解读「时间翻转」
虽然研究人员已经执行并命名了量子时间翻转,但他们对哪个词最能体现他们的工作,观点并不完全一致。
在奇里贝拉看来,这些实验模拟了「时间之箭」的翻转。实际上真正的翻转,需要将时空结构本身排布成两种几何形状的叠加,其中时间指向不同的方向。
他说:「很明显,从这个角度出发,这个实验并没有实现真正的时间翻转。」
另一个团队认为,这些电路的最大意义是,在模拟时空方面迈出了重要的一步。研究人员表示,光子的可测属性的变化,与它们通过两个时空几何形状的真正叠加时的变化完全一致。
而在量子世界中,在可测物之外没有任何现实。「也就是说,从状态本身来看,模拟和真实的东西之间没有区别。」
没有反转时间?也没关系
而无论如何,物理学家都希望,这个设计同时以两种方式流动的量子电路的能力可能会使量子计算、通信和计量学的新设备成为可能。
法国Néel研究所的量子信息理论家Cyril Branciard说:「这让你可以做更多的事情,而不仅仅是以一种顺序操作。」
一些研究人员推测,量子时间翻转的时间旅行味道可能使未来的量子「撤销」成为可能。还有人预计,同时在两个方向运行的电路可以使量子机器更有效地运行。
还有研究人员表示:「可以把这种模型用于游戏,减少所谓的查询复杂度。」他指的是执行某些任务所需的步骤数量。
这样的实际应用还远未得到保证。虽然时间翻转电路在Chiribella和Liu的猜谜游戏中打破了理论上的性能极限,但那是一个高度设计的任务,只是为了突出它们比单向电路的优势,距离实际应用还非常遥远。
但怪异的、看似小众的量子现象却有证明自己有用的诀窍。知名物理学家安东·齐林格曾认为,量子纠缠-分离的粒子之间的联系无法带来任何好处。
今天,量子纠缠将新生的量子网络中的节点和原型量子计算机中的量子比特联系在了一起,齐林格对这一现象上的研究为他赢得了2022年诺贝尔物理学奖。而对于量子时间的可翻转性问题,现在仍处于非常早期的阶段。
以上是翻转时间!量子时光机其实已经有了,双向的,不能载人的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

想象一下,一个人工智能模型,不仅拥有超越传统计算的能力,还能以更低的成本实现更高效的性能。这不是科幻,DeepSeek-V2[1],全球最强开源MoE模型来了。DeepSeek-V2是一个强大的专家混合(MoE)语言模型,具有训练经济、推理高效的特点。它由236B个参数组成,其中21B个参数用于激活每个标记。与DeepSeek67B相比,DeepSeek-V2性能更强,同时节省了42.5%的训练成本,减少了93.3%的KV缓存,最大生成吞吐量提高到5.76倍。DeepSeek是一家探索通用人工智

AI,的确正在改变数学。最近,一直十分关注这个议题的陶哲轩,转发了最近一期的《美国数学学会通报》(BulletinoftheAmericanMathematicalSociety)。围绕「机器会改变数学吗?」这个话题,众多数学家发表了自己的观点,全程火花四射,内容硬核,精彩纷呈。作者阵容强大,包括菲尔兹奖得主AkshayVenkatesh、华裔数学家郑乐隽、纽大计算机科学家ErnestDavis等多位业界知名学者。AI的世界已经发生了天翻地覆的变化,要知道,其中很多文章是在一年前提交的,而在这一

波士顿动力Atlas,正式进入电动机器人时代!昨天,液压Atlas刚刚「含泪」退出历史舞台,今天波士顿动力就宣布:电动Atlas上岗。看来,在商用人形机器人领域,波士顿动力是下定决心要和特斯拉硬刚一把了。新视频放出后,短短十几小时内,就已经有一百多万观看。旧人离去,新角色登场,这是历史的必然。毫无疑问,今年是人形机器人的爆发年。网友锐评:机器人的进步,让今年看起来像人类的开幕式动作、自由度远超人类,但这真不是恐怖片?视频一开始,Atlas平静地躺在地上,看起来应该是仰面朝天。接下来,让人惊掉下巴

本月初,来自MIT等机构的研究者提出了一种非常有潜力的MLP替代方法——KAN。KAN在准确性和可解释性方面表现优于MLP。而且它能以非常少的参数量胜过以更大参数量运行的MLP。比如,作者表示,他们用KAN以更小的网络和更高的自动化程度重现了DeepMind的结果。具体来说,DeepMind的MLP有大约300,000个参数,而KAN只有约200个参数。KAN与MLP一样具有强大的数学基础,MLP基于通用逼近定理,而KAN基于Kolmogorov-Arnold表示定理。如下图所示,KAN在边上具

谷歌力推的JAX在最近的基准测试中性能已经超过Pytorch和TensorFlow,7项指标排名第一。而且测试并不是在JAX性能表现最好的TPU上完成的。虽然现在在开发者中,Pytorch依然比Tensorflow更受欢迎。但未来,也许有更多的大模型会基于JAX平台进行训练和运行。模型最近,Keras团队为三个后端(TensorFlow、JAX、PyTorch)与原生PyTorch实现以及搭配TensorFlow的Keras2进行了基准测试。首先,他们为生成式和非生成式人工智能任务选择了一组主流

目标检测在自动驾驶系统当中是一个比较成熟的问题,其中行人检测是最早得以部署算法之一。在多数论文当中已经进行了非常全面的研究。然而,利用鱼眼相机进行环视的距离感知相对来说研究较少。由于径向畸变大,标准的边界框表示在鱼眼相机当中很难实施。为了缓解上述描述,我们探索了扩展边界框、椭圆、通用多边形设计为极坐标/角度表示,并定义一个实例分割mIOU度量来分析这些表示。所提出的具有多边形形状的模型fisheyeDetNet优于其他模型,并同时在用于自动驾驶的Valeo鱼眼相机数据集上实现了49.5%的mAP

特斯拉机器人Optimus最新视频出炉,已经可以在厂子里打工了。正常速度下,它分拣电池(特斯拉的4680电池)是这样的:官方还放出了20倍速下的样子——在小小的“工位”上,拣啊拣啊拣:这次放出的视频亮点之一在于Optimus在厂子里完成这项工作,是完全自主的,全程没有人为的干预。并且在Optimus的视角之下,它还可以把放歪了的电池重新捡起来放置,主打一个自动纠错:对于Optimus的手,英伟达科学家JimFan给出了高度的评价:Optimus的手是全球五指机器人里最灵巧的之一。它的手不仅有触觉

这篇论文探讨了在自动驾驶中,从不同视角(如透视图和鸟瞰图)准确检测物体的问题,特别是如何有效地从透视图(PV)到鸟瞰图(BEV)空间转换特征,这一转换是通过视觉转换(VT)模块实施的。现有的方法大致分为两种策略:2D到3D和3D到2D转换。2D到3D的方法通过预测深度概率来提升密集的2D特征,但深度预测的固有不确定性,尤其是在远处区域,可能会引入不准确性。而3D到2D的方法通常使用3D查询来采样2D特征,并通过Transformer学习3D和2D特征之间对应关系的注意力权重,这增加了计算和部署的
