Comment on Temperature change can solve the Deutsch-Jozsa problem: An exploration of thermodynamic query complexity
本文反驳了关于单次热查询后跟随多次探测样本可以解决 Deutsch-Jozsa 问题的说法，证明了所提出的读取机制由于完全相关性而无法生成独立样本，并且指出所引用的样本下界在数学上是无效的。
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
想象一下你正在尝试解决一个被称为 Deutsch–Jozsa 问题的高难度逻辑谜题。在最近的一项研究中，研究人员提出了一种巧妙的方法来解决它，即使用一种“热机”——基本上是一个像神奇预言机一样的微型热引擎。其核心思想是，你可以向这台机器提一个问题（一次“热查询”），得到一个结果，然后不断地复制这个结果，从而在不向机器提更多问题的情况下获得海量数据。他们声称，通过一次热交换和大量的额外样本，就能解决这个谜题，大约需要 116 次测量就能确保准确。
但 Ridha Horchani 的一篇新论文指出：“等等，这数学对不上啊。”
以下是出了什么问题，通过一些有趣的类比来解释。
失灵的“神奇复印机”
原计划依赖于一个被称为“CNOT fanout”的技巧。把探测量子比特（那个与热机对话的微小粒子）想象成一枚神奇的硬币，它要么正面朝上，要么反面朝下。研究人员认为，他们可以使用一个特殊的门（CNOTS gate）将这枚硬币的结果瞬间复制到 100 枚空白硬币（辅助比特）上。他们相信，一旦完成复制，就可以独立测量这 100 枚硬币，从而获得 100 个独立的数据点。
Horchani 指出，这就像试图通过照光来复印一条秘密信息。当你照光时，原始信息和副本是完美关联的。如果原始硬币是正面，那么每一枚副本也都是正面；如果原始硬币是反面，那么每一枚副本也都是反面。
你得到的不是 100 个独立的猜测，而是一个被大声重复了 100 次的单一猜测。这就像一个人向一间屋子里的 100 个人低声耳语了一个秘密，然后问每个人听到了什么。如果第一个人听到的是“是”，那么所有人都会说“是”；如果他听到的是“否”，所有人都会说“否”。你并没有收集到 100 个新的观点，你只是把那一个原始观点确认了 100 遍。因此，“迹距离”（trace distance）和“相对熵”（relative entropy）（这些是衡量两种可能性差异的专业数学术语）并不会因为你做了复制而变得更大。你拥有的仍然只有一份信息。
“重置与重复”的陷阱
那么，如何才能获得真正的、独立的数据呢？论文建议，你必须重置整个机器，使其冷却，然后向热预言机提出一个新的问题。但问题在于，原论文将一次“查询”定义为与机器进行热交换的行为。
如果你想要 100 个独立样本，你不能仅仅复制第一个。你必须回到机器那里，进行 100 次热交换。这意味着你实际上执行了 100 次查询，而不是一次。“一次查询，多个样本”的梦想破灭了，因为获取独立数据需要反复访问热机，而这本身就计入了多次查询。
数学上的混淆
第二个问题在于数字。原论文声称，为了达到 90% 的确定度（误差率为 0.1），至少需要 116 个样本。他们试图利用一个著名的数学规则——Pinsker 不等式来证明这一点。
Horchani 表明，他们把这个不等式用反了。这就像试图通过说“这个玩具最多值 50 美元”来证明你至少需要 50 美元才能买到它。这并不能证明你需要至少 50 美元，它只是设定了一个上限。原论文中的数学实际上得出了相反的结论。116 这个数字并不是由该不等式推导出的硬性下限；它只是一个基于误用公式的、缺乏依据的猜测。
总结
这是否意味着利用热量解决逻辑谜题的想法已经彻底失败了？完全不是！论文承认，“热反馈”（thermal kickback）机制本身可能仍然有效，它可以将答案编码进探测器的温度中。热交换本身的物理机制似乎是没问题的。
然而，关于你可以通过一次热查询并配合大量有用样本来解决该问题的特定说法是不正确的。你无法从单次热交换中获取比那次交换本身更多的信息。要获得所需的数据，你必须不断向机器提问，这意味着“资源计数”（即计算你使用了多少次查询）需要进行修正。神奇的“一次搞定”捷径并不存在，而且 116 个样本这个特定数字，也并非原作者所认为的那种坚不可摧的极限。
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。