新发现：量子计算与引力之间“潘多拉魔盒” | 一周科技速览_风闻

返朴-返朴官方账号-关注返朴（ID：fanpu2019）,阅读更多！2019-07-07 09:48

2019-07-07

编辑 | 陈航

******编译 | **陈航、********董唯元、徐颖

地球科学

Earth Science

南极海冰正在以惊人的速度消失

South Pole sea ice is now vanishing at an alarming rate, too

图片来源：MIT Technology Review

自上世纪90年代末以来，北极海冰的消失速度一直在加快，甚至一度超过了气候模型预测的速度，这吸引了媒体的广泛关注**[1]。但在南极，情况却恰恰相反，近几十年来，南极冰层覆盖面积不曾减少，甚至逐年增加，这曾让科学家们感到十分困惑。然而，故事发展到此便戛然而止。7月1日，发表在杂志 Proceedings of the National Academy of Sciences 上的文章显示[2]**，通过近40年来的观察记录，虽然南极海冰逐年增加，并在2014年达到顶峰，但随后正以远超北极海冰消失的速度减少。

关于此现象，科学家也无法肯定地说为什么南极海冰需要经历逐年增加才开始消退，或者为什么消退速度如此之惊人。同时研究指出，目前尚不清楚2014年之后南极海冰的急剧减少是否意味着长期负面趋势的开始，也无法预测2018年南极海冰出现的小幅回升是暂时的现象，还是长期反弹的开始。但近年来南极海冰的急剧下降至少提供了额外的数据，使研究人员能够测试和完善现有的气候模型，以求发现气候变化和海冰变化之间的额外联系。

[1] https://www.technologyreview.com/s/609974/how-nuclear-weapons-research-revealed-new-climate-threats/amp/

[2] https://www.pnas.org/content/early/2019/06/25/1906556116?utm_campaign=the_download.unpaid.engagement&utm_source=hs_email&utm_medium=email&utm_content=74260998&_hsenc=p2ANqtz_My4ppdHT2xIQQO14rV9PAAE_qEC2dQ1AY2OU3yzOqS_JJibRlqGkLUwMyYSW7WBA92SZHbOq_S83-aiiD9dDfXZ4eHg&_hsmi=74260998

物理

Physics

新发现：量子计算与引力之间“潘多拉魔盒”

Optimal quantum computation linked to gravity

图片来源：Anni Roenkae, pexels.com

信息技术和引力理论，这两个看似风马牛不相及的学科，居然可以通过微分几何相互联通。于是物理学家手中的引力理论，便可以用来解决信息技术领域的计算复杂度问题。

在计算复杂度领域，主要思想之一便是最小化解决问题的计算成本。早在2006年，Michael Nielsen便证明，在微分几何的背景下，可以通过距离来估算解决问题的计算成本。这意味着最小化计算成本等同于找到两点之间最小的“测地线（geodesics）”，这也是曲面上两点之间可能的最短距离。这一解决问题的思路正是熟悉引力理论的物理学家们最为擅长的领域，于是，在Nielsen的启发下，许多研究者都纷纷跟进，进行深入的探索。

然而，一些基本定义的建立过程，并不像表面看上去那么容易。在量子引力理论中存在的全息模型，是以AdS/CFT对偶为代表的各种空间对偶关系。这类对偶关系使物理定律可以在不同形态甚至不同维度的空间中平滑转换，但如何定义同样遵从全息转换的“计算复杂度”一直是困扰研究者的挑战。虽然已有不少人提出各类设想，但一直缺乏明显的技术突破。

这一状况在近期得到了改善：两位物理学家Paweł Caputa和Javier Magan提出了新想法，打开了量子计算与引力之间“潘多拉魔盒”。这两位物理学家吸收了众多先前研究者的思想，简明扼要的采用一个“中心荷”（central charge）的概念来描述计算复杂度，揭示出复杂度与量子引力理论的深刻联系，并得出“引力定律可能决定着量子计算机的优化空间”这样有趣的结论**[3]**。

正如Caputa所说：“优化量子计算机的方法，就写在2维CFT共形场的引力方程中。解出引力方程，就可以得到量子计算机优化的最佳方案。”Caputa和Magan的研究成果为引力理论找到了一个全新的应用领域，计算理论的研究者不仅可以用引力理论来具体求解优化方案，还可以用来评估复杂度，筛选出更有效率的计算方法等。

[3] https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.122.231302

数学与统计学

Mathematical & Statistical

《复联3》：生态学模型“预测”电影票房

How the Avengers assemble: Ecological modelling of effective cast sizes for movies

图片来源：Marvel Studios 2019

漫威电影系列票房位列“全球系列电影票房”排行榜第一位**[4]**，在业界评论和商业收益两方面都获得了巨大的成功。电影作为艺术形式的一种，人们对其的评判充满了主观性，一部电影能够符合绝大多数人的审美、既“叫好”又“叫座”着实不易。那么，是什么让漫威电影如此成功呢？显然，这存在着诸多因素。其中一个重要因素是电影角色的作用和角色之间相互关联的复杂性。然而，这又很难研究，因为很少有公认的分析手段能够对一种艺术形式进行客观的分析与数字化的评价。

近期，阿德莱德大学Lewis Mitchell课题组利用自然生态系统中研究物种间相互作用的数学工具，为解释漫威电影票房大热提出了独特的见解：Lewis Mitchell等人利用基于香农熵（Shannon-entropy）的“生物多样性”度量标准以及其他生态学方法，来描绘漫威电影中角色的特征**[5]**。实验证明，该方法为预测漫威电影是否会票房大热提供了一个行之有效的标准，也为理解电影中人物和故事之间的关系提供了一种自然分析方法。

[4] https://en.wikipedia.org/wiki/Marvel_Cinematic_Universe

[5] https://arxiv.org/abs/1906.08403

人工智能

Artifical Intelligence

人工智能正在开辟宇宙探索的“星辰大海”

Deep-CEE: The AI deep learning tool helping astronomers explore deep space

图示为Abell 1689星系团。新型的深度学习工具Deep - CEE已经被开发出来，以加速发现类似这样星系团的过程。该方法的灵感来自于星系团探索的先驱者乔治·阿贝尔（George Abell），他曾在上世纪50年代手动搜索了数千张摄影底片 | 图片来源：NASA

星系团是宇宙中最庞大的结构之一，尽管星系团有数百万光年宽，但它们仍然很难被发现。兰卡斯特大学（Lancaster University）的研究人员求助于人工智能，开发了一种新型的深度学习工具“Deep-CEE”（用于星系团提取和评估），可以加速发现星系团的过程。作为该工具的开发者，兰卡斯特大学的博士生Matthew Chan在7月4日的英国皇家天文学会国家天文学会议上介绍了这项研究成果**[6]**。

Deep-CEE的设计过程建立在星系团探索的先驱者乔治·阿贝尔（George Abell）识别星系团的方法之上，人工智能模型的引入，使得该方法可以经过训练，具备“观察”彩色图像并识别星系团的能力。Deep-CEE是一种基于神经网络的先进模型，旨在模仿人类大脑学习识别物体的方式，在可视化独特的图案和颜色时，通过激活特定神经元，达到目标识别的目的。Matthew Chan通过在训练集中利用已标记的对象来反复训练Deep-CEE，直到Deep-CEE能够像人类一样学会并识别新的目标物。在随后的一项试验性研究中显示，Deep-CEE已经具备在包含许多其他天文物体的图像中识别和分类出星系团的能力。

[6] https://arxiv.org/abs/1906.08784

生物

Biology

世界首次：怎样给干细胞安装“GPS定位系统

World first: Homing instinct applied to stem cells show cells ‘home’ to cardiac tissue

图片来源：University of Bristol

近日，科学家首次发现了一种将干细胞导向心脏组织的新方法，它可以从根本上改善心血管疾病的治疗方法，这一研究成果由布里斯托大学的研究人员领导并发表在杂志 Chemical Science 上**[7]**。

研究人员试图采用下一代细胞疗法治疗心血管疾病，即从患者或供体体内采集干细胞，并经培养后注入患者心脏以再生受损组织，迄今为止，相关试验已经获得了可期的结果。然而，心脏中的高速血流以及循环细胞相互接触形成的各种“组织库”导致大多数干细胞最终进入肺和脾。干细胞的这种分布特性给即将出现的下一代细胞疗法带来了巨大的挑战，当人们尝试用再生细胞疗法治疗心脏病时，很少有细胞可以归巢至心脏。现在，来自布里斯托尔细胞与分子医学院的研究人员成功克服这一难题，他们通过用特殊蛋白质修饰干细胞使其可以“归巢”至心脏组织。

这一研究的主要作者Adam Perriman博士说：“我们知道，一些细菌能够分辨并定位至患病组织。例如，我们口腔中的口腔细菌偶尔会引起链球菌性咽喉炎。而当它进入血液时，它可以定位至心脏受损的组织引起感染性心内膜炎。我们旨在模仿这种细菌的归巢能力并将其应用于干细胞。”

该团队通过研究细菌细胞如何使用粘附因子“归巢”至心脏组织来开发该项技术。利用这一理论，研究人员生产了一种结合粘附因子的人工细胞膜，将其“涂抹”在干细胞外部。该团队在动物实验中证明这种新的细胞修饰技术能够通过将干细胞导入小鼠的心脏发挥作用。

Perriman博士补充说：“我们的研究结果表明，传染性细菌的心脏归巢特性可以转移到人类干细胞。显着地，我们在小鼠模型中显示，设计的粘附因子自发地插入到干细胞的质膜中而没有细胞毒性，并能够在移植后将修饰的细胞导向心脏。据我们所知，这是首次将传染性细菌的靶向特性转移到哺乳动物细胞。”

英国约四分之一死亡人口与心血管疾病有关，这项新技术无疑让英国的七百万心脏病患者看到了曙光。

[7] https://www.eurekalert.org/pub_releases/2019-07/uob-wf070319.php

社会科学

Social Science

全球生育率显著下降，“婴儿荒”已然来临

图片来源：Getty Image

2019年6月，联合国秘书处经济与社会事务部（UNDESA）发表报告，再次下调人口预测。联合国在名为《2019年世界人口展望：重点》的报告中指出：“预计在2019年至2050年之间，55个国家或地区的人口将减少1%或者更多，其中26个国家或地区的人口将至少减少10%。中国虽然作为人口大国，但也逃不过例外。预计在2019年至2050年间，中国人口将减少3140万，即2.2%左右。”

不止中国，全球生育率都在加速下降，在此之前，就有报告指出**[8, 9]**，全球生育率正在加速下降，全球半数国家都将面临“婴儿荒”的问题。正如华盛顿大学Christopher Murray教授所说：“我们已经到达了生育率的“分水岭”，半数国家生育率已经开始低于人口替代水准（replacement level），如果这个情况没有得到任何改善，那么这些国家的人口就会开始下降。”

[8] https://www.thelancet.com/gbd

[9] https://tomorrowsci.com/medicine

《返朴》，致力好科普。国际著名物理学家文小刚与生物学家颜宁联袂担任总编，与几十位学者组成的编委会一起，与你共同求索。关注《返朴》（微信号：fanpu2019）参与更多讨论。二次转载或合作请联系[email protected]。

特别提示

1. 进入『返朴』微信公众号底部菜单“精品专栏“，可查阅不同主题系列科普文章。

2. 『返朴』提供按月检索文章功能。关注公众号，回复四位数组成的年份+月份，如“1903”，可获取2019年3月的文章索引，以此类推。