2022年诺贝尔物理奖与黑洞信息佯谬

2022年诺贝尔物理奖与黑洞信息佯谬

──量子纠缠隐形传输到人工智能深度学习

叶眺新1，常炳功2

（1中国四川绵阳市，2美国纽约州立大学州南部医学中心）

摘要：现代物理和生物学向何处去？2022年的诺贝尔物理奖是一个划时代──量子纠缠涉及超距作用，即使对超光速有类似虚数模式的理解，分歧也还类似在对抗性神经网络。深度学习深入黑洞：找回消失的信息，联系自然全息和量子观控相对界等研究，从之前我们已证明霍金黑洞信息熵的著名公式，与虫洞管孔内通过的量子信息球原子的直径切面的面积相等，其实虫洞管孔收到的这种信息熵大数据，已转化为量子纠缠→虫洞→卡西米尔平板效应→莫比乌斯带→克莱因瓶→人工智能→元宇宙→量子纠缠的有7个关节点的循环，意味着现代宇宙学将有所突破。

关键词：量子纠缠、虫洞、卡西米尔平板、莫比乌斯带、克莱因瓶、人工智能、元宇宙、非拓几何、格点

【0、引言】

科学是什么？某种意义上说，科学就类似一种深度学习──“深度学习”兴起于2006年人工智能对“深层人工神经网络”的重命名。神经网络有一个所谓的隐藏层，而神经网络不止一个隐藏层。多个隐藏层，让深度神经网络能够以分层的方式，学习数据的特征。因为简单特征，可以逐层叠加，形成更为复杂的特征。

例如，中国传统科学中医、中药学的理论，与现代西医、西药学理论的说法不同，但科学的“深度学习”是一样的，都是在前人具体实践的成功与失败的经验教训下，推进总结其中最好的、最像人类可实践的手笔。高也陶教授2022年出版的《<黄帝内经>前传》和《<黄帝内经>后传》两书，详细讲述了中医、中药学上下五千年前这类深度学习人物的历史故事，值得一读。其次中医与西医层数有区别。

因为深度学习网络，与更常见的单一隐藏层神经网络的区别，是在于层数的深度，也就是数据在模式识别的多步流程中所经过的节点层数。以“生成类似人类撰写文本能力著称的GPT-3人工智能算法”为例：让GPT-3参与写科学论文，即使你之前期望不高，给GPT-3的指令相当模糊，也能撰写出一些类似由人类撰写的充满学术性的语言，内容新颖，参考文献的引用恰到好处，与上下文联系紧密，看上去是相当优秀的科学论文。原因是作为一款深度学习算法，GPT-3能分析包括论文、社交网站信息等大量的多种信息流，如书籍、维基百科中的数据、科学文章，甚至是社交媒体上的交流，来完成指令。

由于最终选择决定，是不同层次的人群或个人的看法。所以在一些有GPT-3参与的工作里，不同层次的人群或个人，面对允许它生成多份内容，是选择只发表其中最好的、最像人类手笔的内容。

由此，也许现状和实际人类命运共同体是分裂的，但即使如此，说到底，自然进化形成类似自然机器的人体及人工智能本身，其实也是一种“深度学习”模式的展现；即自然进化也类似是一种“深度学习”。而且层级的深度不排除“强化学习”、“深度强化学习”和对抗性神经网络──通过相互对抗来创造超级真实的原创图像或声音。

现代物理和生物学理论向何处去？2022年的诺贝尔物理奖就是一次划时代──这次颁发给的与“量子力学基础理论”相关研究的三位物理学家，他们证伪的贝尔不等式，做出的证明量子力学非局域性的量子纠缠信息隐形传输的存在──这一诺奖级别的贡献，是对现代物理和生物学理论的又一次“深度学习”。毋庸讳言，由于实际人类命运共同体是分裂的，“量子纠缠信息隐形传输的存在”在东西方两大阵营的认识，并不全是“全球化”而有趋势“多极化”的发展。

具体涉及量子纠缠信息隐形传输话题的“超光速”，由于人类数学“深度学习”展现有0、自然数、实数、虚数、复数等五类层数。由于物质时空的“深度学习”展现有真空、物体、粒子、量子等四类层数，加上静止、运动、能量、动能与速度、场论关联的“深度学习”，要不要与数学“深度学习”展现有0、自然数、实数、虚数、复数等五类层数结合，“量子纠缠信息隐形传输”速度话题的“超光速”，存不存在负实数、正负虚数和复数，成为“深度学习”、“强化学习”、“深度强化学习”和对抗性神经网络层数增加和转折的关节点。

常炳功教授说：“我自己的理解，量子纠缠就是暗能量在起作用，没有了暗能量，就没有了量子纠缠，而且，只要有物质，就有暗能量，而且物质是小于光速的，暗能量是大于光速的。暗物质是宇宙的根源，就是中医讲的气，精气神，包括物质、暗物质和暗能量。暗物质极化产生收缩的物质和膨胀的暗能量”。但我们合作写论文《2022年诺贝尔物理奖与黑洞信息佯谬》的思路大概是，想靠内在的数学探索去连接7个主要的关节点循环：即A、量子纠缠→B、虫洞→C、卡西米尔平板效应→D、莫比乌斯带→E、克莱因瓶→F、人工智能→G、元宇宙→A、量子纠缠的循环。这里能把霍金的黑洞信息熵公式，与人工智能、元宇宙等联系起来进行研究。

【1、形势逼人的2022年诺贝尔物理奖与质疑】

1、潘建伟院士等科学家的工作

2022年10月4日《科技日报》记者张梦然，发表的《纠缠，是一种强大的工具──2022年诺贝尔物理学奖解读》报道中说：2022年获得诺贝尔物理学奖的三位科学家──法国科学家阿兰•阿斯佩、美国科学家约翰•克劳泽、奥地利科学家安东•蔡林格，他们通过开创性的实验展示了处于纠缠状态的粒子的潜力，这三位获奖者对实验工具的开发，也为量子技术的新时代奠定了基础。

那什么是“纠缠”？这指的是在“纠缠对”中，不管相距多远，一个粒子发生的事情，会决定另一个粒子发生的事情。这意味著有一种类似牛顿的万有引力定律的“超距作用”。由于全世界正密集研发的、以利用单个粒子系统的特殊属性来构建的量子计算机、改进测量、量子网络以及量子加密通信，也都相关量子纠缠信息隐形传输的“超距作用”，所以从牛顿力学到量子力学的基础，就不仅仅是一个超光速是实数还是虚数或复数的理论之争。

因为量子计算机的这种应用，均需依赖于量子力学如何允许两个或多个粒子以共享状态存在，甚至无论它们相隔千山万水，均能保持这一状态──这就被叫做“纠缠”。2022年11月18日在合肥第五届世界声博会暨科大讯飞全球开发者节开幕式上，中国科技大学常务副校长、中科院院士潘建伟教授在展望量子计算的演讲中说：“我们希望在未来5年，实现量子纠缠，然后完成数百个乃至数千个量子比特的相干操纵，以解决量子化学、新材料设计和优化算法里的一些问题”。

科大讯飞董事长刘庆峰教授也在开幕式上讲：“人工智能是数字经济的核心引擎，讯飞超脑2030的目标──让机器人走进每个家庭，讯飞将发布机器人超脑，通过多模交互、运动控制和硬件模组的结合，推动人机协同新时代”。这种气势，原因是现在的形势逼人。

例如，世界上主要能源公司都与埃尼能源集团一样，将高性能超级计算机应用于油气勘探与生产，特别是地震勘探。但目前量子理论和地球物理学之间的相互作用仍有待探索。而量子计算在处理地球物理学家目前遇到的大规模建模和反演问题方面，具有巨大的潜力。特别是量子计算机可望被用于更有效地处理数据来增强人工智能和机器学习。而这正是石油工业的潜在应用。

几十年来，反射地震勘探一直是石油和天然气勘探的最重要技术。由人工震源发送的地震波在地下传播，在地质界面反射并传播回地表，成千上万的传感器记录了这些地震波。这个过程重复了数千次，获得的反射数据经过复杂的处理序列之后，可以对地下10公里或更深的地方进行成像。模拟地下波传播的复杂方程，被用于将记录的地震波形重新归位到三维图像中的实际位置，这一过程被地球物理学家称为“偏移”。虽然从地震勘探的一开始就了解了偏移的原理，但精确的偏移算法在过去20年才被使用，因为它们对计算能力要求非常高。上世纪第一批偏移算法是基于简化的方程或假设，这是由于当时计算能力的限制，这导致成像质量差，特别是在复杂区域。

如今高性能计算机，使我们能够处理大量数据，能够使用越来越准确地模拟地震波传播物理的算法，生成更精确、更高分辨率的图像，从而减少了前景评估、油井定位或油藏监测的不确定性。因为量子计算机有潜力支持许多复杂物理系统的模拟和建模，其速度远远超过传统超级计算机。能源工业对计算资源的需求不断增加，曾经推动了经典超级计算机的发展，基于这一前景，将推动量子计算机的发展，在勘探地球物理学中，模拟至关重要，可望将量子计算用于地震波传播的数值模拟，用于地震建模和储层表征。

当量子计算机上线时，地震勘探从业人员和研究人员有望获得新型强大的工具。计算机硬件和软件的技术进步将促进地震勘探的技术进步。在勘探地震学中使用量子计算的想法，是非常令人兴奋的。

潘建伟院士为啥对未来5年实现量子纠缠，那么自信？因为2022年诺贝尔物理学奖三位得主之一的安东•蔡林格，正是我国量子科技领军人物潘建伟院士的博士生导师，他们的关系极不平凡。在塞林格此次得奖所列出的量子通信实验论文中，中国团队的工作提到了7项。中国量子科技的崛起，也成就了蔡林格与潘建伟之间“从师生到竞争者、再到合作者”的一段佳话。