新發現：量子計算與引力之間“潘多拉魔盒” | 一週科技速覽_風聞

編輯 | 陳航

******編譯 | **陳航、********董唯元、徐穎

地球科學

Earth Science

南極海冰正在以驚人的速度消失

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

圖片來源：MIT Technology Review

自上世紀90年代末以來，北極海冰的消失速度一直在加快，甚至一度超過了氣候模型預測的速度，這吸引了媒體的廣泛關注**[1]。但在南極，情況卻恰恰相反，近幾十年來，南極冰層覆蓋面積不曾減少，甚至逐年增加，這曾讓科學家們感到十分困惑。然而，故事發展到此便戛然而止。7月1日，發表在雜誌 Proceedings of the National Academy of Sciences 上的文章顯示[2]**，通過近40年來的觀察記錄，雖然南極海冰逐年增加，並在2014年達到頂峯，但隨後正以遠超北極海冰消失的速度減少。

關於此現象，科學家也無法肯定地説為什麼南極海冰需要經歷逐年增加才開始消退，或者為什麼消退速度如此之驚人。同時研究指出，目前尚不清楚2014年之後南極海冰的急劇減少是否意味着長期負面趨勢的開始，也無法預測2018年南極海冰出現的小幅回升是暫時的現象，還是長期反彈的開始。但近年來南極海冰的急劇下降至少提供了額外的數據，使研究人員能夠測試和完善現有的氣候模型，以求發現氣候變化和海冰變化之間的額外聯繫。

[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

新發現：量子計算與引力之間“潘多拉魔盒”

Optimal quantum computation linked to gravity

圖片來源：Anni Roenkae, pexels.com

信息技術和引力理論，這兩個看似風馬牛不相及的學科，居然可以通過微分幾何相互聯通。於是物理學家手中的引力理論，便可以用來解決信息技術領域的計算複雜度問題。

在計算複雜度領域，主要思想之一便是最小化解決問題的計算成本。早在2006年，Michael Nielsen便證明，在微分幾何的背景下，可以通過距離來估算解決問題的計算成本。這意味着最小化計算成本等同於找到兩點之間最小的“測地線（geodesics）”，這也是曲面上兩點之間可能的最短距離。這一解決問題的思路正是熟悉引力理論的物理學家們最為擅長的領域，於是，在Nielsen的啓發下，許多研究者都紛紛跟進，進行深入的探索。

然而，一些基本定義的建立過程，並不像表面看上去那麼容易。在量子引力理論中存在的全息模型，是以AdS/CFT對偶為代表的各種空間對偶關係。這類對偶關係使物理定律可以在不同形態甚至不同維度的空間中平滑轉換，但如何定義同樣遵從全息轉換的“計算複雜度”一直是困擾研究者的挑戰。雖然已有不少人提出各類設想，但一直缺乏明顯的技術突破。

這一狀況在近期得到了改善：兩位物理學家Paweł Caputa和Javier Magan提出了新想法，打開了量子計算與引力之間“潘多拉魔盒”。這兩位物理學家吸收了眾多先前研究者的思想，簡明扼要的採用一個“中心荷”（central charge）的概念來描述計算複雜度，揭示出複雜度與量子引力理論的深刻聯繫，並得出“引力定律可能決定着量子計算機的優化空間”這樣有趣的結論**[3]**。

正如Caputa所説：“優化量子計算機的方法，就寫在2維CFT共形場的引力方程中。解出引力方程，就可以得到量子計算機優化的最佳方案。”Caputa和Magan的研究成果為引力理論找到了一個全新的應用領域，計算理論的研究者不僅可以用引力理論來具體求解優化方案，還可以用來評估複雜度，篩選出更有效率的計算方法等。

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

數學與統計學

Mathematical & Statistical

《復聯3》：生態學模型“預測”電影票房

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

圖片來源：Marvel Studios 2019

漫威電影系列票房位列“全球系列電影票房”排行榜第一位**[4]**，在業界評論和商業收益兩方面都獲得了巨大的成功。電影作為藝術形式的一種，人們對其的評判充滿了主觀性，一部電影能夠符合絕大多數人的審美、既“叫好”又“叫座”着實不易。那麼，是什麼讓漫威電影如此成功呢？顯然，這存在着諸多因素。其中一個重要因素是電影角色的作用和角色之間相互關聯的複雜性。然而，這又很難研究，因為很少有公認的分析手段能夠對一種藝術形式進行客觀的分析與數字化的評價。

近期，阿德萊德大學Lewis Mitchell課題組利用自然生態系統中研究物種間相互作用的數學工具，為解釋漫威電影票房大熱提出了獨特的見解：Lewis Mitchell等人利用基於香農熵（Shannon-entropy）的“生物多樣性”度量標準以及其他生態學方法，來描繪漫威電影中角色的特徵**[5]**。實驗證明，該方法為預測漫威電影是否會票房大熱提供了一個行之有效的標準，也為理解電影中人物和故事之間的關係提供了一種自然分析方法。

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

[5] https://arxiv.org/abs/1906.08403

人工智能

Artifical Intelligence

人工智能正在開闢宇宙探索的“星辰大海”

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

圖示為Abell 1689星系團。新型的深度學習工具Deep - CEE已經被開發出來，以加速發現類似這樣星系團的過程。該方法的靈感來自於星系團探索的先驅者喬治·阿貝爾（George Abell），他曾在上世紀50年代手動搜索了數千張攝影底片 | 圖片來源：NASA

星系團是宇宙中最龐大的結構之一，儘管星系團有數百萬光年寬，但它們仍然很難被發現。蘭卡斯特大學（Lancaster University）的研究人員求助於人工智能，開發了一種新型的深度學習工具“Deep-CEE”（用於星系團提取和評估），可以加速發現星系團的過程。作為該工具的開發者，蘭卡斯特大學的博士生Matthew Chan在7月4日的英國皇家天文學會國家天文學會議上介紹了這項研究成果**[6]**。

Deep-CEE的設計過程建立在星系團探索的先驅者喬治·阿貝爾（George Abell）識別星系團的方法之上，人工智能模型的引入，使得該方法可以經過訓練，具備“觀察”彩色圖像並識別星系團的能力。Deep-CEE是一種基於神經網絡的先進模型，旨在模仿人類大腦學習識別物體的方式，在可視化獨特的圖案和顏色時，通過激活特定神經元，達到目標識別的目的。Matthew Chan通過在訓練集中利用已標記的對象來反覆訓練Deep-CEE，直到Deep-CEE能夠像人類一樣學會並識別新的目標物。在隨後的一項試驗性研究中顯示，Deep-CEE已經具備在包含許多其他天文物體的圖像中識別和分類出星系團的能力。

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

生 物

Biology

世界首次：怎樣給幹細胞安裝“GPS定位系統

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

圖片來源：University of Bristol

近日，科學家首次發現了一種將幹細胞導向心臟組織的新方法，它可以從根本上改善心血管疾病的治療方法，這一研究成果由布里斯托大學的研究人員領導並發表在雜誌 Chemical Science 上**[7]**。

研究人員試圖採用下一代細胞療法治療心血管疾病，即從患者或供體體內採集幹細胞，並經培養後注入患者心臟以再生受損組織，迄今為止，相關試驗已經獲得了可期的結果。然而，心臟中的高速血流以及循環細胞相互接觸形成的各種“組織庫”導致大多數幹細胞最終進入肺和脾。幹細胞的這種分佈特性給即將出現的下一代細胞療法帶來了巨大的挑戰，當人們嘗試用再生細胞療法治療心臟病時，很少有細胞可以歸巢至心臟。現在，來自布里斯托爾細胞與分子醫學院的研究人員成功克服這一難題，他們通過用特殊蛋白質修飾幹細胞使其可以“歸巢”至心臟組織。

這一研究的主要作者Adam Perriman博士説：“我們知道，一些細菌能夠分辨並定位至患病組織。例如，我們口腔中的口腔細菌偶爾會引起鏈球菌性咽喉炎。而當它進入血液時，它可以定位至心臟受損的組織引起感染性心內膜炎。我們旨在模仿這種細菌的歸巢能力並將其應用於幹細胞。”

該團隊通過研究細菌細胞如何使用粘附因子“歸巢”至心臟組織來開發該項技術。利用這一理論，研究人員生產了一種結合粘附因子的人工細胞膜，將其“塗抹”在幹細胞外部。該團隊在動物實驗中證明這種新的細胞修飾技術能夠通過將幹細胞導入小鼠的心臟發揮作用。

Perriman博士補充説：“我們的研究結果表明，傳染性細菌的心臟歸巢特性可以轉移到人類幹細胞。顯着地，我們在小鼠模型中顯示，設計的粘附因子自發地插入到幹細胞的質膜中而沒有細胞毒性，並能夠在移植後將修飾的細胞導向心臟。據我們所知，這是首次將傳染性細菌的靶向特性轉移到哺乳動物細胞。”

英國約四分之一死亡人口與心血管疾病有關，這項新技術無疑讓英國的七百萬心臟病患者看到了曙光。

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

社會科學

Social Science

全球生育率顯著下降，“嬰兒荒”已然來臨

圖片來源：Getty Image

2019年6月，聯合國秘書處經濟與社會事務部（UNDESA）發表報告，再次下調人口預測。聯合國在名為《2019年世界人口展望：重點》的報告中指出：“預計在2019年至2050年之間，55個國家或地區的人口將減少1%或者更多，其中26個國家或地區的人口將至少減少10%。中國雖然作為人口大國，但也逃不過例外。預計在2019年至2050年間，中國人口將減少3140萬，即2.2%左右。”

不止中國，全球生育率都在加速下降，在此之前，就有報告指出**[8, 9]**，全球生育率正在加速下降，全球半數國家都將面臨“嬰兒荒”的問題。正如華盛頓大學Christopher Murray教授所説：“我們已經到達了生育率的“分水嶺”，半數國家生育率已經開始低於人口替代水準（replacement level），如果這個情況沒有得到任何改善，那麼這些國家的人口就會開始下降。”

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

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

《返樸》，致力好科普。國際著名物理學家文小剛與生物學家顏寧聯袂擔任總編，與幾十位學者組成的編委會一起，與你共同求索。關注《返樸》（微信號：fanpu2019）參與更多討論。二次轉載或合作請聯繫[email protected]。

特 別 提 示

1. 進入『返樸』微信公眾號底部菜單“精品專欄“，可查閲不同主題系列科普文章。

2. 『返樸』提供按月檢索文章功能。關注公眾號，回覆四位數組成的年份+月份，如“1903”，可獲取2019年3月的文章索引，以此類推。

相關閲讀

1  不發文不成活！博士畢業何時休？欲語淚先流 | 一週科技速覽

2  地震闢謠：深海魚類的聚集並不意味着地震即將發生 | 一週科技速覽

3  量子計算，從經典-量子混合計算開始 | 諾獎得主Wilczek專欄