量子并不总意味着小尺度,量子物理学家用它探索系外行星生命

636459c79a871d8707f24806e1226c5c.png

来源:机器之心

除了量子计算,量子物理学的应用范畴还很广。近日,美国东北大学物理学教授 Gregory Fiete 探讨了量子研究的广泛应用。

量子物理学家研究的世界与普通人每天生活的世界是同一个,唯一的区别是它被科学家「缩放」到了无法理解的大小。即使对于拥有科学素养的常人来说,量子物理学在很大程度上仍然是一门晦涩难懂的学科。

近日,News@Northeastern 与东北大学物理学教授 Gregory Fiete 探讨了量子研究的一些广泛应用,从开发可再生能源和建造更强大的计算机,再到推动人类太阳系以外生命的探索。

f9be1864d6e83cb9b382f1dec1940320.jpeg

Gregory Fiete

News@Northeastern:俯瞰无限小的世界,对于像您这样的量子物理学家所从事的工作,有哪些误解?为什么量子物理很重要?

Fiete:量子和无限小世界,这是大多数人在想到量子力学和早期量子理论基础发展的方式时想到的。量子力学最开始研究的是氢原子及其如何具有离散能级,科学家当时通过实验观察光谱或者光谱如何吸收和发射光来研究能级。

氢原子以特定频率吸收和发射光,我们现在了解这是原子的量子性质所决定的,原子核周围只允许特定的电子轨道。所以,科学家倾向于从氢原子这个非常重要的早期例子来研究量子力学,通常人们倾向于认为量子是很小的。但事实上,这根本不是「小」的问题。

再比如太阳,它是太阳系中最大的天体。由于引力的作用,太阳系中的行星围绕着它在轨道上旋转。太阳通过燃烧氢释放能量和光。但它的引力巨大,以至于能把氢合成氦,然后把氦合成其他元素。太阳将原子聚合在一起,而聚合过程就是一种量子现象,这是地球上正在面临的巨大能源挑战之一,即持续聚变的背后原因。把氢转化成氦,如果能在地球上做到这一点,那么就能拥有清洁的可再生能源。

氢可以被结合在一起变成氦,而且氦没有放射性。因此,我们可以从近乎无限丰富的物质中产生大量能量,而不会产生有放射性的废物。这是物理学家们正在努力实现的梦想。而且宇宙中一些巨大存在背后的物理基础也是量子力学,包括通过霍金辐射(Hawking radiation)量子现象损失能量的超大质量黑洞。

第二点是人们通常认为量子所处的是非常低的温度。再以太阳为例,它非常热,但这也是量子力学。低温不是量子力学的特征。比如恒星和聚变过程的量子性(quantumness)以及与之相关的高温例子,它们拓宽了量子力学概念以及其普遍存在的属性。

News@Northeastern:能否谈一下量子物理学家在其领域之外推动技术进步的一些方式吗?

Fiete:真正让我兴奋的是量子物理学可以用在「法医学」上,或成为「量子法医学」。

因为原子都有与之相关的离散能级,这可以用来识别和研究原子。如果比较氢允许的能级和氦或其他元素允许的能级,会发现它们是不同的。对于任何气体,可以通过观察气体如何吸收和发射光来确定气体中的原子结构。比如要观察一颗恒星和围绕着它旋转的行星组成的天体系统,这个理论就有很大的实用和指导价值。

科学家们使用性能强大的望远镜观察奇妙的系外行星领域,探测行星在恒星和地球之间的运动。现在使用的望远镜中有的是与卫星相连,具有难以置信的频率分辨率和灵敏度,因此可以观察某些行星的大气层,以及恒星发出的光如何穿过大气层。虽然恒星和行星的距离可能有数千光年远,但可以使用光谱学技术,观察来自恒星的光如何被这颗行星的大气层吸收。通过光谱技术,科学家可以了解行星大气层的组成。

这很有趣。现在科学家还可以检测出行星大气层内有什么分子。比如是否有两个氢原子与一个氧原子相连?即大气中有水吗?分子有自己的光谱特征。因此科学家可以检测到这些行星的大气层中是否有水。

当温度变化时,气体的光谱线的频率会变宽,可以观察到吸收和发射的频率范围。变宽的程度指示了分子的温度,也就是行星的大气温度。

科学家能够确定这些行星的大气层由什么组成,从而确定该行星是否是人类不可造访的行星。科学家据此可以探寻生命特征,比如这些行星上是否有与生命有关的分子,至少它是否是类似地球上的生命;这样科学家就可以判断某个人类无法造访的星球上有生命的概率有多大,或去发现其他的生命形式。这是非常鼓舞人心的,它最终还是依赖量子物理和光谱技术。

另一个引起广泛兴趣的例子是量子物理学能产生连太阳能都不能比的能源。当发送一个深空探测器去观察太阳系的外行星,假设要探索冥王星(在技术上不再被视为行星)。如果想观察冥王星,可以发射一个深空探测器,它需要数年才能到达那里。

那么为这个探测器上的计算机提供什么样的电源,以便能回传美丽的行星图片?当然可以再放一块电池,但是到达冥王星需要几年的时间,太空中有很多辐射,电池可能会损坏;当它们脱离大气层身处太空的极度寒冷环境,也可能无法正常工作。通过太阳能电池板无法收集到足以运行计算机系统并回传照片的阳光。

那如何为这些深空探测器上的计算机供电呢?利用辐射和使用放射性材料。放射性是另一个量子过程,重元素衰变为轻元素。当这个过程发生时,会产生辐射。原子核的辐射部分携带的能量就可以被捕捉。

有种叫热电材料的物质,它可以将高温区与低温区连接起来,将这种高低温差转化为电压,然后电压就像电池一样工作。一旦电气系统中有电压,就会产生电流,这时探测器上的计算机和电路就可以正常地工作。

News@Northeastern:量子物理确实是改变能源基础设施的基础性工作。但这是正确的思考方式吗?

Fiete:综合考虑气候变化、可再生能源以及不污染环境的技术是一个很好的观点。

核聚变是一种绿色技术,前提是人类可以正常控制它。如果不能控制核聚变,现在还有其他绿色技术,如风力涡轮机。风力涡轮机与量子物理有什么关系?风力涡轮机的工作方式是,当风力转动螺旋桨时,内部的磁铁附在螺旋桨上,转动磁铁会产生电流。

但问题是应该使用哪种磁铁呢?这需要基础性思考,即全面思考磁性系统,这些系统具有风力涡轮机等应用所需的性能。

这里需要一个非常坚固的磁铁,它需要经受高温,也就是说要比室温高出很多,因为在阳光照射下,磁铁会变得很热。它还必须具有足够坚固的特性,能够承受涡轮系统中扭曲的任何应变和应力。这些就是所谓的硬磁铁。那么如何开发更好的磁铁呢?这就是一个量子问题。

News@Northeastern:最后请谈一下您对自己的研究和这个领域有什么希冀。您希望看到什么?目前有什么进展吗?

Fiete:这是一个业内每个人都在问的难题:真正处于尖端的进步是什么?一个被广泛引用的例子是量子计算。量子计算机并不能解决任何人梦想中的所有计算问题。事实证明,量子计算机特别擅长处理某些类型的问题,它们可以提供所谓的「量子优势」,但其他问题可能会更好地由传统超级计算机解决。

该领域的一个问题是,试图对量子计算机将帮助科学家解决的具体问题提供一个更清晰的解决方案,这是一个不断发展的领域。所有在这一领域工作的人都认为,在某些特定的应用,量子计算机会超越其他一切类型的计算机,每个人都想参与其中。每个人都想成为下一次量子革命的一部分,这不仅仅是为了发展量子力学,而是为了将量子力学转化为非常广泛的应用,计算只是最前沿的一个领域。

原文链接:

https://phys.org/news/2022-09-quantum-physicists-life-exoplanets.html

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

a8fae9696c71280540b275b3eaaa991e.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481536.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

论文阅读课3-GraphRel: Modeling Text as Relational Graphs for(实体关系联合抽取,重叠关系,关系之间的关系,自动提取特征)

文章目录abstract1.Introduction2.相关工作3.回顾GCN4.方法4.1第一阶段4.1.1 Bi-LSTM4.1.2 Bi_GCN4.1.3 实体关系抽取4.2 第二阶段4.2.1 构建关系权图4.3训练4.4 inference5.实验5.1 settings5.1.1数据集5.2 baseline and evaluation metrics5.3 Quantitative Results5.4 细节分…

大脑是如何编码外界各种信息的?

来源:知乎链接:https://www.zhihu.com/question/532956044/answer/2494267009大脑将外部信息编码成心智模型。编码方式分为三种神经链接、语言逻辑和数学。心智模型理论是成型于上世纪九十年代的认知科学理论,代表人物就是著名学者史蒂芬平克…

论文阅读课4-Long-tail Relation Extraction via Knowledge Graph Embeddings(GCN,关系抽取,2019,远程监督,少样本不平衡,2注意

文章目录abstract1.introduction2.相关工作2.1 关系提取2.2 KG embedding2.3 GCNN3. 方法3.1符号3.2框架3.2.1 Instance Encoder3.4 Relational Knowledge Learning through KG Embeddings and GCNs.3.5 knowledge-aware attention4.实验4.1 数据集4.3 result4.4 长尾关系的处理…

用机器学习建立的数字「鼻子」表明,我们的嗅觉既反映了芳香分子的结构,也反映了产生它们的代谢过程...

来源:ScienceAI编辑:萝卜皮Alex Wiltschko 十几岁时就开始收集香水。他的第一瓶是 Azzaro Pour Homme,这是他在 T.J. Maxx百货的货架上发现的一款永恒的古龙水。他从《Perfumes: The Guide》中认出了这个名字,这本书对香气的诗意描…

论文阅读课5-DocRED: A Large-Scale Document-Level Relation Extraction Dataset(大规模文档集关系提取数据集

文章目录abstract1.Introduction2.数据收集3.数据分析4.基线设置5.实验Yao, Y., et al. (2019). DocRED A Large-Scale Document-Level Relation Extraction Dataset. Proceedings of the 57th Annual Meeting ofthe Association for Computational Linguistics.基线docRED数据…

74位图灵奖得主背景显示:大多数没有主修计算机专业,也并非高引用计算机科学家...

来源:中小学信息学竞赛计算机科学是世界上发展最快的学科之一,计算机科学的发展直接影响着人们的生活,并有可能从根本上改变传统的生活方式。图灵奖作为计算机领域的最高奖项,一直被誉为“计算机界的诺贝尔奖”,截止20…

Meta最新款VR头显体验者亲述:Quest Pro更漂亮、更有趣,但戴久了,脑袋疼!

来源:AI前线作者:Rachel Metz编译:核子可乐、冬梅价值一万多块的 VR 头显设备,你会买吗?声明:本文为 InfoQ 翻译,未经许可禁止转载。当地时间 10 月 11 日,元宇宙公司 Meta 召开了一…

文献阅读6-Entity-Relation Extraction as Multi-turn Question Answering(实体关系联合抽取,层次标签依赖关系,multi-turn QA)

文章目录abstract1.Introduction3.相关工作2.2MRC(机器阅读理解)2.3 非QA->QA3.数据集和任务3.1别人的数据集3.2我们建立的数据集RESUME4.Model4.1概述4.2生成问题4.3通过MRC来获取答案范围4.4 强化学习5.实验5.1RESUME结果5.2 其他结果6 Ablation Studies6.2问题…

论文阅读课7-使用句子级注意力机制结合实体描述的远程监督关系抽取(APCNN+D)2017

文章目录abstract1. Introduction2.方法3.训练4.实验4.1数据集4.2 评价指标4.3实验结果和分析4.3.1参数设置4.3.2 baseline4.3.3 conclusion5.相关工作5.1监督学习5.2远程监督学习Ji, G., et al. (2017). Distant Supervision for Relation Extraction with Sentence-Level Att…

Cell经典回顾:机器学习模型揭示大脑怎样整合空间记忆与关系记忆

导语人类等高等动物能够做出复杂推理、整合新知识以控制行为,其神经机制离不开海马-内嗅系统对于空间记忆和关系记忆的调控。来自牛津大学的学者于2020年在Cell杂志发表文章,通过分解和重组的方法构建了一套框架(TEM模型)&#xf…

论文阅读课8-Chinese Relation Extraction with Multi-Grained Information and External Linguistic Knowledge

文章目录Abstract1.Introduction2.相关工作3. 方法3.1 输入3.1.1 字符级别表示3.1.2单词级表示3.2encoder3.2.1 base lattice LSTM encoder3.2.2 MG lattice LSTM encoder3.3 关系分类器4.实验4.1数据集4.1.2 评估4.1.2 超参数设置4.2lattice的作用4.3词义表示的影响4.4最终结果…

黑客帝国「缸中之脑」真的可以,这100万个「活体人脑细胞」5分钟学会打游戏...

来源:FUTURE | 远见 闵青云 选编既然生物神经元如此高效,为什么不拿来用呢?最新版本的《黑客帝国》还有两天才会上映,但最近的一些科技进展总让我们觉得,导演描述的世界似乎离我们越来越近了。其中一个进展来自前段时间…

Nature发布迄今为止规模最大的全基因组关联研究,揭示了基因与身高的关系

来源:生物通一个国际研究团队已经确定了超过12000个影响一个人身高的基因变异。这项发表在10月12日《自然》杂志上的研究是迄今为止最大规模的全基因组关联研究,使用了来自281项贡献研究的500多万人的DNA。它填补了我们在理解基因差异如何导致身高差异方…

论文阅读9-Fine-tuning Pre-Trained Transformer Language Models to(远程监督关系抽取,ACL2019,GPT,长尾关系,DISTRE)

文章目录abstrac1.Introduction2 Transformer Language Model2.1 Transformer-Decoder2.2 Unsupervised Pre-training of Language Representations3 Multi-Instance Learning with the Transformer3.1 Distantly Supervised Fine-tuning on Relation Extraction3.2input repre…

Meta半年亏损57.7亿美元也要搞元宇宙,听听扎克伯格自己是怎么说的

来源:科技智谷编辑:Light"这可能是世界上最烧钱的梦。元宇宙就是未来,VR就是下一代PC。2022年10月12日,全球VR巨头Meta召开一年一度的Meta Connect大会2022。本次大会, Meta发布了旗下最新的虚拟现实头显——Ques…

文献阅读课10-Neural Relation Extraction for Knowledge Base Enrichment(提取+嵌入+消歧+规范化联合模型,实体已知,仅关系抽取,多词实体)

文章目录Abstract1.Introduction2. 相关工作2.2 Entity-aware Relation Extraction3.提出的模型3.1 Solution Framework3.1 data collection module3.3 Joint Learning of Word and Entity Embeddings3.4 N-gram Based Attention Model训练3.5 Triple Generation4.实验4.1 超参…

张益唐被曝已证明黎曼猜想相关问题,震动数学界

来源:金磊 Alex 发自 凹非寺量子位 | 公众号 QbitAIBreaking News!网传数学家张益唐,已经攻克了朗道-西格尔零点猜想(Landau-Siegel Zeros Conjecture)。而这则消息,据说是张益唐在参加北京大学校友Zoom线上…

论文阅读课11-TEMPROB:Improving Temporal Relation Extraction with a Globally Acquired Statistical Resource

文章目录abstract1.Introduction2.相关工作3 TEMPROB: A Probabilistic Resource for TempRels3.1 事件抽取3.2TempRel提取3.2.1 features3.2.2 learning3.3 Interence3.4 corpus3.5有趣的统计3.6 极端情况3.7 下列事件的分布4.实验4.1 Quality Analysis of TEMPROB4.2 Improvi…

机器学习也将解决量子问题

来源:IEEE电气电子工程师作者:CHARLES Q. CHOI当量子计算机执行可能导致下一代电池或新药的复杂物理和化学模拟时,它可能比任何传统超级计算机强大得多。然而,可能需要很多年才能实现实用和广泛的量子计算。现在,一项新…

Nature重磅:人鼠混合大脑问世,‘大脑类器官’研究再添新进展

一句“我思故我在”解释了大脑的重要性。随着全球老龄化的加剧,神经退行性疾病的发病率也随之增加。“老年痴呆”、“帕金森”等神经退行性疾病更是和癌症一样,成为数不多流传在街头巷尾的“医学名词”。从近代科学诞生一来,人类对于大脑的研…