（圖片來源：網(wǎng)絡(luò)）

近日，歐洲核子研究中心宣布LHCb實(shí)驗(yàn)項(xiàng)目公布了一項(xiàng)新進(jìn)展：首次展示了量子機(jī)器學(xué)習(xí)（QML）技術(shù)成功識別了LHC中b-夸克引發(fā)噴流的電荷。

該進(jìn)展來自于由利物浦大學(xué)高級研究物理學(xué)家Eduardo Rodrigues領(lǐng)導(dǎo)的數(shù)據(jù)處理與分析（DPA）項(xiàng)目組，他們對離線分析框架進(jìn)行了重大改革，高效地研究了因LHCb（大型強(qiáng)子對撞機(jī)）探測器升級后帶來的巨量數(shù)據(jù)流。DPA團(tuán)隊(duì)的研究已發(fā)表在《Journal of High Energy Physics》上。

近年來，隨著量子計(jì)算機(jī)和量子技術(shù)的快速發(fā)展，LHCb引入了量子計(jì)算以促進(jìn)粒子物理的深入研究。在粒子物理學(xué)中，量子機(jī)器學(xué)習(xí)主要應(yīng)用于解決事件分類和粒子軌跡重建問題，而LHCb是首次用它來執(zhí)行強(qiáng)子射流電荷識別任務(wù)。

在模擬b-夸克射流中，該研究對兩種方法進(jìn)行了性能比較：基于兩種不同量子電路的變分量子分類器，和先進(jìn)強(qiáng)大的經(jīng)典人工智能深度神經(jīng)網(wǎng)絡(luò)（DNN）。結(jié)果顯示，經(jīng)典DNN的性能雖略優(yōu)于量子機(jī)器學(xué)習(xí)算法，但差異非常小（下圖為具體參數(shù)）。

標(biāo)記算法性能（標(biāo)記功率??tag）和噴流橫向動(dòng)量PT函數(shù)

DPA團(tuán)隊(duì)的研究表明，量子機(jī)器學(xué)習(xí)算法以更少的事件數(shù)達(dá)到了最優(yōu)的性能，這將有助于減少資源的使用。盡管在大量特征任務(wù)中，DNN算法性能要優(yōu)于量子機(jī)器學(xué)習(xí)算法，但隨著量子硬件性能的提升，將改進(jìn)這一差距。對于LHCb來說，量子機(jī)器學(xué)習(xí)算法能顯著減少資源利用，這是未來幾年該項(xiàng)目收集數(shù)據(jù)量時(shí)關(guān)鍵考慮的指標(biāo)之一。

此外，該研究結(jié)果還顯示，量子算法能可用于研究特征之間的相關(guān)性，因此物理學(xué)家們提取射流成分的相關(guān)信息將成為可能，并可以提升射流特性識別任務(wù)的性能。

Eduardo Rodrigues博士說：“我們首次證明了量子機(jī)器學(xué)習(xí)可以成功地用于LHCb數(shù)據(jù)分析。隨著物理學(xué)家不斷提高其在量子計(jì)算方面的研究經(jīng)驗(yàn)，以及人們對量子計(jì)算的興趣和投資加大，預(yù)計(jì)硬件和計(jì)算技術(shù)將出現(xiàn)重大發(fā)展。盡管在粒子物理實(shí)驗(yàn)中，量子機(jī)器學(xué)習(xí)的應(yīng)用仍處于起步階段，我們的研究為解決粒子物理實(shí)驗(yàn)中的分類問題開辟了新的路徑?！?/p>

原文鏈接：
https://news.liverpool.ac.uk/2022/08/04/first-studies-with-quantum-machine-learning-at-lhcb/

文：利物浦大學(xué)編譯：卉可編輯：慕一
注：本文編譯自“利物浦大學(xué)”，不代表量子前哨觀點(diǎn)。