กล้องโทรทรรศน์อวกาศเจมส์ เวบบ์ (JWST) และกล้องโทรทรรศน์อวกาศฮับเบิลได้บันทึกภาพขณะที่ยาน ทดสอบการเปลี่ยนทิศทางดาวเคราะห์น้อยมูลค่า 330 ล้านดอลลาร์ (DART) พุ่งชนดาวเคราะห์น้อยขนาดเล็ก เมื่อเวลา 19:14 น. ตามเวลา EDT ของวันจันทร์ DART กระทบกับดาวเคราะห์น้อย ซึ่งรวมกับวัตถุขนาดใหญ่อีกดวงหนึ่งคือ Didymos ก่อตัวเป็นระบบดาวเคราะห์น้อยคู่ที่อยู่ใกล้โลก
เป้าหมาย
ของภารกิจ DART คือการเป็นคนแรกที่แสดงให้เห็นถึง “ผลกระทบทางจลนศาสตร์” โดยการวาง ในวงโคจรที่แตกต่างกันเล็กน้อยรอบๆ สังเกตผลกระทบในระยะเวลา 5 ชั่วโมง โดยจับภาพได้ 10 ภาพ ขณะที่กล้องฮับเบิลถ่ายภาพก่อนและหลังผลกระทบมากกว่า 40 ภาพ ภาพของการกระทบนั้นแสดง
ให้เห็นแกนกลางที่แน่นและกะทัดรัดซึ่งมีกลุ่มวัสดุที่ดูเหมือนเศษใยอาหารไหลออกมาจากจุดศูนย์กลางของจุดที่เกิดการกระแทกในภาพกล้องฮับเบิล นักดาราศาสตร์ประเมินว่าความสว่างของไดมอร์ฟอสเพิ่มขึ้น 3 เท่าหลังการชน และพวกเขายังพบอย่างน่าประหลาดใจด้วยว่าความสว่างนั้นคงที่เป็นเวลา
ฮับเบิลและ JWST จะยังคงสังเกตการณ์ระบบต่อไปในอีกไม่กี่สัปดาห์ข้างหน้า การสังเกตการณ์ดังกล่าวด้วยกล้องโทรทรรศน์อวกาศและอุปกรณ์ภาคพื้นดินจะช่วยให้นักวิทยาศาสตร์สามารถศึกษาพื้นผิวของไดมอร์ฟอส ปริมาณวัสดุที่ถูกขับออกมาจากการชน ความเร็วที่ถูกขับออกมา และเผยให้เห็นการกระจาย
ที่ว่าเนื่องจากธรรมชาติได้รับการอธิบายโดยกลศาสตร์ควอนตัม การเดาที่เกิดจากคอมพิวเตอร์ควอนตัมสามารถให้ค่าประมาณที่ดีกว่ากับสภาพพื้นดินจริง คอมพิวเตอร์ควอนตัมทำงานโดยการหมุนคิวบิตทีละตัวหรือเป็นกลุ่ม วงจรควอนตัมอธิบายลำดับของการหมุนดังกล่าว คุณสามารถสร้างวงจรควอนตัม
เพื่อสร้างสถานะการเดา และคุณสามารถวัดพลังงานของการเดานั้น หากคุณสามารถปรับแต่งพารามิเตอร์การหมุนอย่างเป็นระบบ เช่น มุม คุณจะสามารถลดพลังงานลงได้จนกว่าจะถึงค่าต่ำสุด นี่คือวงจรควอนตัมแปรผัน นอกจากนี้ ในปี 2014เมืองบอสตัน ได้ปรับวิธีการผันแปรเพื่อแก้ปัญหา
การปรับให้
เหมาะสม พวกเขาเลือกปัญหา NP-hard ที่เลื่องลือ นั่นคือปัญหา “MaxCut” ซึ่งเกี่ยวข้องกับการแบ่งกราฟออกเป็นสองกลุ่มเพื่อให้จำนวนการเชื่อมต่อระหว่างกราฟทั้งสองนั้นขยายใหญ่สุด Farhi และทีมของเขาสังเกตเห็นว่าปัญหานี้สามารถเข้ารหัสเป็นวงจรควอนตัมแบบแปรผันได้ ซึ่งสามารถนำไปใช้
เพื่อสร้างการคาดเดาที่ดีขึ้นอย่างเป็นระบบ อัลกอริทึมไม่ได้สัญญาว่าจะแก้ปัญหาได้อย่างสมบูรณ์แบบ แต่ส่วนใหญ่แล้วจะให้คำตอบโดยประมาณที่ดี อันที่จริง ทั้งสามคนแสดงให้เห็นว่าโซลูชันที่ได้จากอัลกอริทึมเวอร์ชันควอนตัมนี้ โดยเฉลี่ยแล้วดีกว่าอัลกอริทึมแบบคลาสสิกใดๆ ที่รู้จักในขณะนั้น
พวกเขาขนานนามอัลกอริทึมของพวกเขาว่า “อัลกอริทึมการเพิ่มประสิทธิภาพเชิงควอนตัม” หรือเรียกง่ายๆ ว่า QAOA “นี่เป็นครั้งแรกที่มีผู้ให้อัลกอริทึมควอนตัมที่ให้การประมาณได้ดีกว่าอัลกอริทึมแบบคลาสสิกโพส ต์ในบล็อกยอดนิยมของเขาในตำราฟิสิกส์สมัยใหม่ หรือเครื่องเคลื่อนที่ตลอดเวลา”
(ซึ่งเขาทำงานจนกระทั่งเกษียณอายุในปี พ.ศ. 2537)และการติดตามผล สิ่งสำคัญที่แตกต่างจากการสแกนด้วยรังสีเอกซ์คือ MRI จะไม่ให้วัตถุสัมผัสกับรังสีไอออไนซ์ของขนาดอนุภาคในเมฆฝุ่นที่กำลังขยายตัว .ข้อมูลนี้สามารถใช้เพื่อทำความเข้าใจว่าผลกระทบทางจลนศาสตร์สามารถปรับเปลี่ยนวงโคจร
ของดาวเคราะห์น้อยได้อย่างมีประสิทธิภาพเพียงใดประมาณ 8 ชั่วโมงหลังการชนตั้งแต่นั้นมา นักวิจัยได้ใช้เทคนิคควอนตั มแปรผันกับปัญหาการปรับให้เหมาะสมมากมาย ตั้งแต่การออกแบบตะแกรงชาร์จรถยนต์ไฟฟ้าไปจนถึงการปรับปรุงเที่ยวบินของเครื่องบิน หัวใจสำคัญของกรณีต่างๆ ที่ดูเหมือน
จะมีความหลากหลายเหล่านี้มีแนวคิดทฤษฎีกราฟเพียงไม่กี่ข้อ MaxCut เป็นหนึ่งในนั้น นักวิจัยยังคงพยายามรวบรวมความได้เปรียบเชิงควอนตัมสำหรับแนวคิดหลักดังกล่าว ในงานล่าสุด ได้เข้าใกล้แบบจำลอง ซึ่งเป็นปัญหาที่มีชื่อเสียงอีกปัญหาหนึ่งในฟิสิกส์และวิทยาการคอมพิวเตอร์ที่มีจุดมุ่งหมาย
เพื่อลดพลังงาน
ของระบบการหมุน โซลูชันอันโด่งดังที่พัฒนาผู้ได้รับรางวัลโนเบลสาขาฟิสิกส์ปี 2021, ให้พลังงานขั้นต่ำที่สามารถบรรลุได้โดยการแก้ปัญหาของแบบจำลอง เมื่อ Farhi และทีมของเขาศึกษาปัญหานี้โดยใช้การจำลองด้วยคอมพิวเตอร์ พวกเขาสังเกตว่าวิธีแก้ปัญหาของพวกเขาค่อยๆ ดีขึ้นด้วย
ซ้ำๆ ทำให้พวกเขาคาดเดาว่าจริงๆ แล้วมันอาจจะถึงขีดจำกัดที่เหมาะสมที่สุดที่ Parisi ระบุไว้ อย่างไรก็ตาม เตือนไม่ให้ใช้ผลลัพธ์ที่เป็นตัวเลขเล็กน้อยในกรณีเล็กๆ ของปัญหาว่าเป็นหลักฐานที่น่าเชื่อถือของความเหนือกว่าทางควอนตัม โดยเฉพาะอย่างยิ่งในแง่ของความก้าวหน้าอย่างต่อเนื่อง
ที่เกิดจากอัลกอริทึมที่ไม่ใช่ควอนตัม ในความเป็นจริง ขอบเดิม เหนืออัลกอริทึมแบบคลาสสิกได้หายไปตั้งแต่เริ่มคิด การสนับสนุนสำหรับเทคนิคอย่างยังคงเป็นเพียงแค่สมมุติฐานเท่านั้น ดาวบันดาลวิสัยทัศน์ที่ยิ่งใหญ่ของการใช้คอมพิวเตอร์ควอนตัมแบบแปรผันเพื่อแก้ปัญหาการเพิ่มประสิทธิภาพอย่างหนักนั้น
ไม่ได้ปราศจากความสงสัยและผู้ว่า นักวิทยาศาสตร์คอมพิวเตอร์ไม่คาดหวังว่าคอมพิวเตอร์ควอนตัมจะแก้ปัญหาการเพิ่มประสิทธิภาพ NP-hard ได้อย่างมีประสิทธิภาพ การทำเช่นนั้นจะ “เกือบจะน่าทึ่งพอๆ กับพิสูจน์ P = NP” ตามคำกล่าวของ Aaronson และน่าจะรื้อโครงสร้างทั้งหมดของทฤษฎีความซับซ้อน
หากคุณสมัครรับความเชื่อมั่นนี้ ดูเหมือนว่าเป็นไปไม่ได้เลยที่เทคนิคการเปลี่ยนแปลงจะให้วิธีแก้ปัญหาที่มีประสิทธิภาพสำหรับปัญหาที่ไม่มีเลย บางสิ่งบางอย่างจะต้องให้ และเมื่อเร็ว ๆ นี้เราได้รับข้อมูลเชิงลึกเกี่ยวกับสิ่งที่อาจทำให้วิสัยทัศน์อันยิ่งใหญ่นี้หยุดชะงัก อัลกอริธึมการแปรผันจะ “แปรผัน”
แนะนำ ufaslot888g
