การทดลองด้วยเหตุและผลควอนตัมเผยให้เห็น PlatoBlockchain Data Intelligence ที่ไม่ธรรมดาที่ซ่อนอยู่ ค้นหาแนวตั้ง AI.

การทดลองด้วยเหตุและผลควอนตัมเผยให้เห็นความไม่คลาสสิกที่ซ่อนอยู่

คำอธิบายสาเหตุและผลกระทบ เช่น "หญ้าชนิดหนึ่งทำให้แมวมีความสุข", "เรื่องตลกทำให้เกิดเสียงหัวเราะ" และ "สาเหตุการวิจัยที่น่าตื่นเต้น โลกฟิสิกส์ บทความ” เป็นวิธีที่มีประโยชน์ในการจัดระเบียบความรู้เกี่ยวกับโลก คณิตศาสตร์ของเหตุและผลสนับสนุนทุกอย่างตั้งแต่ระบาดวิทยาจนถึงฟิสิกส์ควอนตัม อย่างไรก็ตาม ในโลกควอนตัม ความเชื่อมโยงระหว่างเหตุและผลไม่ได้ตรงไปตรงมานัก ทีมนักฟิสิกส์ระดับนานาชาติได้ใช้การละเมิดควอนตัมของเวรกรรมแบบคลาสสิกเพื่อให้เข้าใจธรรมชาติของเหตุและผลได้ดีขึ้น ในกระบวนการนี้ ทีมงานได้เปิดเผยพฤติกรรมควอนตัมในสถานการณ์ที่วิธีการมาตรฐานระบุว่าระบบควรจะเป็นแบบคลาสสิก ซึ่งเป็นผลที่อาจมีแอปพลิเคชันในการเข้ารหัสควอนตัม

googletag.cmd.push (ฟังก์ชัน () {googletag.display ('div-gpt-ad-3759129-1');});

ในฟิสิกส์ควอนตัม ผลลัพธ์ที่เรียกว่าทฤษฎีบทของ Bell ระบุว่าไม่มีทฤษฎีใดที่รวมเอาตัวแปร "ที่ซ่อนอยู่" ในท้องถิ่นจะสามารถสร้างความสัมพันธ์ระหว่างผลการวัดที่กลศาสตร์ควอนตัมคาดการณ์ได้ ผลลัพธ์ที่คล้ายคลึงกันเกิดขึ้นในทฤษฎีการอนุมานเชิงสาเหตุ ซึ่งระบบควอนตัมก็ท้าทายกฎของการให้เหตุผลเชิงสาเหตุแบบคลาสสิกเช่นเดียวกัน แนวคิดเบื้องหลังวิธีการอนุมานเชิงสาเหตุคือในขณะที่ความสัมพันธ์ทางสถิติระหว่างตัวแปรสองตัวสามารถเกิดขึ้นได้เนื่องจากความสัมพันธ์เชิงสาเหตุโดยตรงระหว่างตัวแปรทั้งสอง ความสัมพันธ์อาจมีส่วนสนับสนุนของสาเหตุทั่วไปที่ซ่อนอยู่ ในบางกรณี การมีส่วนร่วมที่ซ่อนอยู่นี้สามารถหาปริมาณได้ และสามารถใช้เพื่อแสดงว่าความสัมพันธ์ของควอนตัมมีอยู่จริง แม้ว่าจะไม่สามารถละเมิดทฤษฎีบทของ Bell ได้

โครงสร้างเชิงสาเหตุโดยอนุมานทำให้สามารถควบคุมเหตุและผลได้โดยตรง

ในผลงานล่าสุด ทีมงานนำโดยนักฟิสิกส์ทดลอง Davide Poderini และเพื่อนร่วมงาน ในบราซิล เยอรมนี อิตาลี และโปแลนด์ ผสมผสานทฤษฎีและการทดลองเพื่อแสดงปรากฏการณ์ควอนตัมในระบบที่อาจดูคลาสสิก นักวิจัยสำรวจแนวคิดของเหตุและผลโดยพิจารณาว่าความสัมพันธ์ระหว่างตัวแปรสองตัวคือ A และ B บ่งบอกว่าตัวแปรหนึ่งเป็นสาเหตุของอีกตัวแปรหนึ่ง หรือตัวแปรอื่นๆ (ที่อาจไม่ได้สังเกต) อาจเป็นสาเหตุของความสัมพันธ์หรือไม่

ในการศึกษาวิจัย นักวิจัยใช้แบบจำลองเชิงสาเหตุ (ดูภาพ) ซึ่งสถิติของตัวแปร A มีอิทธิพลต่อตัวแปร B ไม่ว่าโดยตรงหรือโดยการกระทำของแหล่งร่วม (เรียกว่า Λ) ที่เชื่อมโยงผลลัพธ์ของตัวแปรทั้งสองเข้าด้วยกัน การปรากฏตัวของการเชื่อมโยงเชิงสาเหตุระหว่างพวกเขา เพื่อแยกความแตกต่างระหว่างสองสถานการณ์นี้ นักวิจัยดำเนินการแทรกแซงกับตัวแปร A ซึ่งจะลบอิทธิพลภายนอกใดๆ ซึ่งจะทำให้ตัวแปร A อยู่ภายใต้การควบคุมโดยสมบูรณ์ของผู้ทดลอง ทำให้สามารถประมาณการเชื่อมโยงเชิงสาเหตุโดยตรงระหว่าง A และ B

การทดลองด้วยเหตุและผลควอนตัมเผยให้เห็น PlatoBlockchain Data Intelligence ที่ไม่ธรรมดาที่ซ่อนอยู่ ค้นหาแนวตั้ง AI.

อีกทางหนึ่ง โดยการแนะนำตัวแปรเพิ่มเติม X ที่ไม่ขึ้นกับ B และ Λ ความสัมพันธ์ใดๆ ที่สังเกตพบระหว่างตัวแปร A และ B สามารถถูกแยกย่อยเป็นความน่าจะเป็นแบบมีเงื่อนไข ความน่าจะเป็นแบบมีเงื่อนไขเหล่านี้กำหนดขอบเขตที่ต่ำกว่าในระดับของผลกระทบเชิงสาเหตุระหว่างตัวแปร ทำให้สามารถประมาณระดับอิทธิพลระหว่าง A และ B

นักวิจัยเรียกขอบเขตล่างนี้ว่าความไม่เท่าเทียมกันของเครื่องมือ และมันเป็นข้อจำกัดแบบคลาสสิกที่ (คล้ายกับความไม่เท่าเทียมกันที่เกิดขึ้นจากทฤษฎีบทของเบลล์) เกิดขึ้นจากการกำหนดโครงสร้างเชิงสาเหตุนี้ในการทดลอง ด้วยเหตุนี้ ระดับของอิทธิพลเชิงสาเหตุเชิงควอนตัมระหว่างตัวแปร A และ B จะน้อยกว่าค่าต่ำสุดที่จำเป็นสำหรับระบบคลาสสิก ทำให้สามารถสังเกตความไม่คลาสสิกผ่านการแทรกแซงแม้ว่าจะไม่มีการละเมิดความไม่เท่าเทียมกันของ Bell ก็ตาม

การทดลองแทรกแซงเผยให้เห็นผลกระทบควอนตัม

ในการสังเกตกระบวนการเชิงสาเหตุเชิงเครื่องมือ นักวิจัยได้สร้างโฟตอนคู่หนึ่งที่มีโพลาไรเซชันที่พันกันและวัดพวกมันในการแสดงแทนพื้นที่ของรัฐหรือฐานที่แตกต่างกัน ต้องขอบคุณธรรมชาติที่พัวพันกันของโฟตอน การเลือกพื้นฐานสำหรับสิ่งใดสิ่งหนึ่งจึงถูกกำหนดโดยการวัดในอีกรูปแบบหนึ่ง ทำให้เกิดกลไก “ป้อนไปข้างหน้า” ที่ใช้การเชื่อมโยงเชิงสาเหตุโดยตรงระหว่างตัวแปรทั้งสอง อันเป็นผลมาจากกระบวนการ feed-forward นี้ นักวิจัยได้ทดลองสังเกตการละเมิดขอบเขตล่างแบบคลาสสิกสำหรับอิทธิพลเชิงสาเหตุระหว่างสองตัวแปรโดยการสร้างสถานะควอนตัมหลายสถานะโดยมีระดับความพัวพันต่างกัน

เช่นเดียวกับความไม่เท่าเทียมกันของ Bell การละเมิดขอบเขตล่างแบบคลาสสิกนี้แสดงถึงลายเซ็นของสหสัมพันธ์ควอนตัม นอกจากนี้ยังให้ข้อมูลทางสถิติที่สามารถทำหน้าที่เป็นรากฐานของโปรโตคอลการเข้ารหัสควอนตัมพื้นฐานใดๆ ในขณะที่โปรโตคอลการเข้ารหัสปัจจุบันอาศัยทฤษฎีบทของ Bell โครงสร้างเชิงสาเหตุโดยอนุมานจากการแทรกแซงด้วยเครื่องมือแสดงถึงความเข้ากันได้ทั่วไปมากขึ้นระหว่างเวรกรรมแบบคลาสสิกและทฤษฎีควอนตัม Poderini และเพื่อนร่วมงานของเขาพยายามที่จะทดลองกับสถานการณ์เชิงสาเหตุที่แตกต่างกันเพื่อสำรวจเครือข่ายที่ซับซ้อนซึ่งมีความสัมพันธ์ที่สมบูรณ์ยิ่งขึ้น ซึ่งสามารถนำไปใช้เพื่อพัฒนาเทคโนโลยีควอนตัมใหม่ได้ นักวิจัยเชื่อว่าเทคนิคการทดลองของพวกเขาอาจนำไปสู่ข้อได้เปรียบของควอนตัมในโปรโตคอลการเข้ารหัส ทำให้สามารถตระหนักถึงเครื่องมือเข้ารหัสลับที่ยืดหยุ่นมากขึ้นและต้องการเทคโนโลยีน้อยลง

โพสต์ การทดลองด้วยเหตุและผลควอนตัมเผยให้เห็นความไม่คลาสสิกที่ซ่อนอยู่ ปรากฏตัวครั้งแรกเมื่อ โลกฟิสิกส์.

ประทับเวลา:

เพิ่มเติมจาก โลกฟิสิกส์