歐洲核子研究中心（CERN）的LHCb實(shí)驗(yàn)最近宣布了首次創(chuàng)世界紀(jì)錄的能量的質(zhì)子-質(zhì)子對(duì)撞，其全新的探測(cè)器被設(shè)計(jì)用來(lái)應(yīng)對(duì)更苛刻的數(shù)據(jù)采集條件。近日，研究成果以《量子機(jī)器學(xué)習(xí)用于b型射流電荷識(shí)別》為題[1]，發(fā)表在《高能物理學(xué)雜志》上。
由利物浦大學(xué)高級(jí)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)目是對(duì)離線分析框架的重大改革，以便充分利用升級(jí)后的LHCb探測(cè)器所帶來(lái)的顯著增長(zhǎng)的數(shù)據(jù)流。
在這篇論文中，DPA團(tuán)隊(duì)首次證明了量子機(jī)器學(xué)習(xí)（QML）技術(shù)在大型強(qiáng)子對(duì)撞機(jī)中成功用于識(shí)別b強(qiáng)子啟動(dòng)的噴射器的電荷。這項(xiàng)工作在剛剛開(kāi)始的新數(shù)據(jù)采集期之后，為中期和長(zhǎng)期的研發(fā)工作的一部分。
在LHCb的分析中，機(jī)器學(xué)習(xí)技術(shù)的利用無(wú)處不在。鑒于量子計(jì)算機(jī)和量子技術(shù)的快速發(fā)展，自然要開(kāi)始研究量子算法是否以及如何在這樣的新硬件上執(zhí)行，以及LHCb粒子物理學(xué)的用例是否可以從量子計(jì)算這一新技術(shù)和模式中受益。迄今為止，QML技術(shù)主要應(yīng)用于粒子物理學(xué)：以解決事件分類和粒子軌道重建問(wèn)題，但該團(tuán)隊(duì)首次將其應(yīng)用于強(qiáng)子射流電荷識(shí)別任務(wù)（jet classification problems）。
此次研究基于一個(gè)模擬的、b強(qiáng)子啟動(dòng)的射流樣本進(jìn)行，基于兩種不同的量子電路的變分量子分類器性能，與深度神經(jīng)網(wǎng)絡(luò)（DNN）性能在量子模擬器上進(jìn)行了比較。結(jié)果顯示，DNN的性能略好于QML算法，但兩者的差別很小。
兩種射流標(biāo)記方法。在排他性（exclusive）方法中，信息來(lái)自一個(gè)粒子，例如μ介子，其電荷與b強(qiáng)子相關(guān)（下層射流）；在包容性（inclusive）方法中，信息從射流成分中提?。ㄉ蠈由淞鳎?/p>
兩種不同的量子電路。上：振幅嵌入模型（Amplitude Embedding model）的電路表示。藍(lán)色是變量被嵌入到量子態(tài)的振幅中；紅色的是可訓(xùn)練的通用旋轉(zhuǎn)門，在訓(xùn)練階段要進(jìn)行優(yōu)化；綠色的是CNOT門，以圓形拓?fù)浣Y(jié)構(gòu)糾纏量子比特。下：角度嵌入模型（Angle Embedding model）的電路表示。藍(lán)色為X軸旋轉(zhuǎn)門，用于將變量嵌入量子電路；紅色的是可訓(xùn)練的通用旋轉(zhuǎn)門，在訓(xùn)練階段要進(jìn)行優(yōu)化；綠色的是CNOT門，用圓形拓?fù)浣Y(jié)構(gòu)糾纏量子比特。
量子算法的表現(xiàn)比DNN略差，角度嵌入電路的表現(xiàn)比振幅嵌入好。
該論文表明，QML方法能夠以較少的事件數(shù)量達(dá)到最佳性能，這有助于減少資源的使用，隨著未來(lái)幾年收集的數(shù)據(jù)量的增加，這將成為L(zhǎng)HCb的關(guān)鍵點(diǎn)。然而，當(dāng)使用大量特征時(shí)，DNN的表現(xiàn)優(yōu)于QML算法。當(dāng)更高性能的量子硬件出現(xiàn)時(shí)，預(yù)計(jì)會(huì)有改進(jìn)。
與專家合作進(jìn)行的研究表明，量子算法可以允許研究特征之間的相關(guān)性。這可以為提取射流成分的相關(guān)信息的提供可能性，最終將提高射流的識(shí)別性能。
最后，Eduardo Rodrigues博士說(shuō)[2]：“這篇論文首次證明了QML可以成功地用于LHCb數(shù)據(jù)分析。”在粒子物理實(shí)驗(yàn)中，對(duì)QML的利用仍處于起步階段。隨著物理學(xué)家對(duì)量子計(jì)算的經(jīng)驗(yàn)積累，鑒于全球?qū)α孔佑?jì)算的興趣和投資，預(yù)計(jì)硬件和計(jì)算技術(shù)將出現(xiàn)重大改進(jìn)。
“這項(xiàng)工作是LHCb數(shù)據(jù)處理與分析（DPA）項(xiàng)目研發(fā)活動(dòng)的一部分，為QML提供了寶貴的見(jiàn)解；也為粒子物理實(shí)驗(yàn)中的分類問(wèn)題開(kāi)辟了新途徑?！?/p>
參考鏈接：
[1]https://link.springer.com/article/10.1007/JHEP08(2022)014
[2]https://phys.org/news/2022-08-quantum-machine-lhcb.html
