原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你想要创作一个新的故事或一幅新画。通常，现代计算机是通过“学习”数百万个示例来完成这一点的。它们就像一个学生，通过阅读成千上万本书籍或查看数百万张照片来记忆模式。这个过程被称为训练。它耗时极长，需要巨大的电力，并且往往导致一个“黑箱”，甚至创作者也不完全理解计算机是如何决定做出特定选择的。
本文提出了一种截然不同的方法。作者建议采用一种**“无训练”**的方法，利用量子物理定律来替代记忆。
以下是他们想法的简明分解：
1. 核心理念：“母体”蓝图
作者提出，与其教计算机去学习，不如说：“让我们建立一本规则书，只允许正确的事情发生。”
在物理学中，有一个概念叫哈密顿量（Hamiltonian）。你可以将其想象为一个复杂的能量景观或地形图。
- 高地： 代表“错误”或“禁止”的模式（比如一个不存在的单词，或一个破坏图像逻辑的像素）。
- 山谷（基态）： 这是能量的最低点。在这个量子世界中，系统自然倾向于滚落到最低点。
作者的窍门在于设计这个“地形”（即哈密顿量），使得只有你想要生成的模式才能坐落在山谷底部。如果你想生成一张猫的图片，你就构建一个地形，使得只有“像猫”的模式位于底部。如果你想生成一个句子，你就构建一个地形，使得只有“语法正确”的句子位于底部。
2. 工作原理：局部拼图
本文使用了一种巧妙的策略，称为局部母体哈密顿量（Local Parent Hamiltonians）。
想象一下，你正在建造一面巨大的马赛克墙。你不是同时观察整面墙，而是一次只观察小的 2x2 瓷砖。
- 你有一份“有效”小瓷砖（模式）的清单，这些是你从原始示例中看到的。
- 你制定一条规则：“墙的每一个小区域必须匹配这些有效瓷砖中的一种。”
- 你将这些规则堆叠在一起。
在量子版本中，他们为每一个小区域创建了一个“局部哈密顿量”。当他们将所有这些局部规则组合成一个巨大的系统时，量子计算机自然会进入一种状态，其中每一个单独的区块都与其邻居完美契合。由于规则是局部的，整个图像或文本最终在整体上变得有意义，而计算机无需事先对数据进行“学习”或“训练”。
3. 魔法成分：叠加与纠缠
本文强调了使这一方法生效的两个量子超能力：
- 叠加（同时处于多个位置）： 量子计算机不仅仅是猜测一张图片或一个句子。它同时在脑海中持有所有可能的有效图片或句子。这就像拥有一副牌，每张牌都是一个有效的故事，而你正模糊地握着整副牌。
- 纠缠（无形的粘合剂）： 这确保了如果你改变故事的一部分（比如一个词），故事的其余部分会自动调整以保持连贯。它保持了长程逻辑的完整性，解决了人工智能往往在讲到故事结尾时忘记开头的难题。
4. 结果：无需训练，只需物理
因为计算机不是在“学习”参数（如神经网络中的权重），所以没有训练阶段。你不需要向它输入数周的数据。
- 你定义规则（局部模式）。
- 你构建“能量景观”（哈密顿量）。
- 你让量子系统找到“山谷”（基态）。
结果是一幅新的图像或一段文本，它完美匹配你输入的风格和规则，由物理定律即时生成，而非通过统计猜测。
5. 他们的测试
作者不仅讨论了理论，还在计算机上模拟了这一过程以证明其有效性：
- 图像： 他们取小图像，生成了新的 5x5 像素网格，这些网格看起来像原始图像，并确保每个 2x2 角落都匹配原始模式。
- 文本： 他们使用了一个三字母单词的列表。通过将字母对视为“规则”，他们生成了新的三字母单词，这些单词遵循与原始列表相同的语法模式。
总结类比
将传统人工智能想象成一位厨师，他品尝了成千上万碗汤，以学习如何制作新的一碗。这需要时间，而且有时厨师会感到困惑。
这种新方法就像制造模具。你创建一个物理模具（哈密顿量），它只适合完美汤碗的形状。当你将液体（量子态）倒入其中时，它必须呈现碗的形状。你不需要品尝任何东西；你只需要正确的模具。本文中的“模具”是利用量子力学的基本规则构建的，以确保输出始终是一个有效且连贯的创造。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。