最近有个新视频解释了洛斯阿拉莫斯国家实验室开发的一个定理。该定理表明，信息通过信息加扰器(如黑洞)后，任何量子机器算法都将无法将加扰的数据还原。

洛斯阿拉莫斯国家实验室的博士后、论文《贫瘠高原排除了学习加扰者》的合著者Zoe Holmes说：“我们的定理意味着我们将无法通过量子机器学习来学习典型的随机或混沌过程，例如黑洞。从这个意义上说，它对未知过程的可学习性设置了基本限制。”

黑洞是否隐藏了所有秘密？

在一个经典的量子科学思想实验中，爱丽丝将一本有秘密的书扔进了黑洞。她的同事鲍勃有一个量子系统（比如量子计算机），并且它与黑洞纠缠在一起。纠缠是量子力学的一个独特特征。

通过纠缠，原子级的粒子相互连接。对一个粒子执行的动作同样会影响到它们纠缠的伙伴，即使它们相距很远，也会发生这种情况。哪怕是即使有些进入了黑洞，也能发生纠缠。

Hayden-Preskill思想实验表明，如果鲍勃有一个与黑洞纠缠在一起的系统，他应该能够从中恢复信息。鲍勃可以通过观察黑洞“泄漏”的几个光粒子来做到这一点。通过将其与他的纠缠系统进行比较，他可以弄清楚黑洞是如何扰乱爱丽丝的书的。然后他可以恢复这本书。

即使黑洞是可见宇宙中的单向匝道，这也是正确的。它们吞下的一切都永远消失了，除了那几个纠缠在一起的光粒子。

但是洛斯阿拉莫斯国家实验室的研究人员提出了一个新的定理，它认为修复爱丽丝的书将非常困难，甚至是不可能完成的。

机器学习在“贫瘠高原”上停滞不前

该实验室团队发现，一种试图了解黑洞如何扰乱信息的机器学习算法将在“贫瘠的高原”上停滞不前。这意味着鲍勃无法了解爱丽丝书中的内容。

洛斯阿拉莫斯定理限制了量子算法可以了解复杂物理系统的内容。幸运的是，大多数物理过程并不像黑洞那么复杂，因此这并不会导致谴责量子机器学习。但这意味着我们需要仔细挑选我们应用它的问题。

未来的研究可能会发现一些有趣的例子来说明我们如何从复杂系统中提取复杂信息。可能会存在可以逃避该定理的情况。但就目前而言，我们确信爱丽丝的秘密一旦将它扔进黑洞就会被摧毁。所以她可以放心，她的秘密是安全的。（编译:Qtech）