IHEP poszukuje możliwości kwantowych, aby przyspieszyć naukę podstawową – Świat Fizyki

<a href="https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science-physics-world-5.jpg" data-fancybox data-src="https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science-physics-world-5.jpg" data-caption="Symuluj, aby gromadzić Klaster obliczeniowy wysokiej wydajności IHEP jest jednym z kilku zasobów obliczeniowych obsługujących platformę symulatora kwantowego QuIHEP. (Dzięki uprzejmości: IHEP)”>

Instytut Fizyki Wysokich Energii (IHEP), będący częścią Chińskiej Akademii Nauk, jest największym laboratorium nauk podstawowych w Chinach. Jest gospodarzem multidyscyplinarnego programu badawczego obejmującego fizykę cząstek elementarnych, astrofizykę, a także planowanie, projektowanie i budowę projektów akceleratorów na dużą skalę – w tym China Spallation Neutron Source, które zostało uruchomione w 2018 r., oraz High Energy Photon Source, który ma nadejść w Internecie w 2025 r.

Choć inwestycje w infrastrukturę eksperymentalną IHEP dramatycznie wzrosły w ciągu ostatnich 20 lat, rozwój i zastosowanie technologii kwantowego uczenia maszynowego i obliczeń kwantowych prawdopodobnie przyniesie podobnie dalekosiężne wyniki w ramach programu badawczego IHEP.   

Wielka nauka, rozwiązania kwantowe

Fizyka wysokich energii to miejsce, w którym „wielka nauka” spotyka się z „dużymi danymi”. Odkrywanie nowych cząstek i badanie podstawowych praw natury to przedsięwzięcia, które generują niesamowite ilości danych. Wielki Zderzacz Hadronów (LHC) w CERN generuje petabajty (10¹⁵ bajtów) danych podczas testów eksperymentalnych – wszystkie te dane muszą zostać przetworzone i przeanalizowane za pomocą obliczeń gridowych – infrastruktury rozproszonej łączącej w sieć zasoby obliczeniowe na całym świecie.

W ten sposób ogólnoświatowa sieć obliczeniowa LHC zapewnia społeczności tysięcy fizyków dostęp do danych LHC w czasie zbliżonym do rzeczywistego. Ta wyrafinowana siatka obliczeniowa miała fundamentalne znaczenie dla przełomowego odkrycia bozonu Higgsa w CERN w 2012 r., a także dla niezliczonych innych postępów w dalszym badaniu Modelu Standardowego fizyki cząstek elementarnych.

Zbliża się jednak kolejny punkt zwrotny, jeśli chodzi o przechowywanie, analizę i eksplorację dużych zbiorów danych w fizyce wysokich energii. Wielki Zderzacz Hadronów o dużej jasności (HL-LHC), którego uruchomienie ma nastąpić w 2029 r., spowoduje „załamanie obliczeniowe”, ponieważ zintegrowana jasność maszyny będzie proporcjonalna do liczby zderzeń cząstek zachodzących w danym czasie , wzrośnie 10-krotnie w porównaniu z wartością projektową LHC – podobnie jak strumienie danych generowane w eksperymentach HL-LHC.

CERN QTI: wykorzystanie dużej nauki do przyspieszenia innowacji kwantowych

W najbliższej przyszłości potrzebny będzie „obliczeniowy poziom bazowy” o nowym wyglądzie, aby sprostać rosnącemu zapotrzebowaniu na dane HL-LHC – poziom bazowy, który będzie wymagał wykorzystania na dużą skalę jednostek przetwarzania grafiki do masowo równoległych symulacji, rejestrowania i ponownego przetwarzania danych , a także klasyczne zastosowania uczenia maszynowego. Ze swojej strony CERN ustalił również średnio- i długoterminowy plan działania, który skupia społeczności zajmujące się fizyką wysokich energii i technologią kwantową za pośrednictwem Inicjatywy Technologii Kwantowej CERN (QTI) – uznając, że pojawia się kolejny skok w wydajności obliczeniowej z zastosowaniem technologii obliczeń kwantowych i sieci kwantowych.

Powrót do podstaw kwantowych

Komputery kwantowe, jak sama nazwa wskazuje, wykorzystują podstawowe zasady mechaniki kwantowej. Podobnie do klasycznych komputerów, które opierają się na bitach binarnych, które przyjmują wartość 0 lub 1, komputery kwantowe wykorzystują kwantowe bity binarne, ale jako superpozycję stanów 0 i 1. Ta superpozycja, w połączeniu ze splątaniem kwantowym (korelacjami między bitami kwantowymi), w zasadzie umożliwia komputerom kwantowym wykonywanie niektórych rodzajów obliczeń znacznie szybciej niż klasyczne maszyny – na przykład symulacje kwantowe stosowane w różnych obszarach chemii kwantowej i kinetyki reakcji molekularnych.

Choć możliwości dla nauki i szerszej gospodarki wydają się atrakcyjne, jednym z największych problemów inżynieryjnych związanych z komputerami kwantowymi na wczesnym etapie rozwoju jest ich podatność na hałas otoczenia. Kubity zbyt łatwo ulegają zakłóceniom, na przykład w wyniku ich interakcji z ziemskim polem magnetycznym lub rozproszonymi polami elektromagnetycznymi z telefonów komórkowych i sieci Wi-Fi. Problematyczne mogą być także interakcje z promieniami kosmicznymi, podobnie jak zakłócenia pomiędzy sąsiednimi kubitami.

<a data-fancybox data-src="https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science-physics-world-2.jpg" data-caption="Wielka fizyka Naukowcy z IHEP pracują nad „odkryciem na nowo” egzotycznej cząstki Zc(3900) za pomocą kwantowego uczenia maszynowego. Cząstka subatomowa – pierwszy zaobserwowany eksperymentalnie stan tetrakwarkowy – została odkryta w 2013 roku przez detektor BESIII (pokazany tutaj) w Pekińskim Zderzaczu Elektronowo-Pozytonowym IHEP. (Dzięki uprzejmości: IHEP)” title=”Kliknij, aby otworzyć obraz w wyskakującym okienku” href=”https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track -fundamental-science-physics-world-2.jpg”>

Idealne rozwiązanie – strategia zwana korekcją błędów – polega na przechowywaniu tych samych informacji w wielu kubitach, tak aby błędy były wykrywane i korygowane, gdy szum wpływa na jeden lub więcej kubitów. Problem z tak zwanymi komputerami kwantowymi odpornymi na uszkodzenia polega na tym, że wymagają one dużej liczby kubitów (około milionów), co jest czymś niemożliwym do wdrożenia w małych architekturach kwantowych obecnej generacji.

Zamiast tego projektanci współczesnych komputerów Noisy Intermediate-Scale Quantum (NISQ) mogą albo zaakceptować efekty szumu takim, jakie są, albo częściowo odzyskać błędy algorytmicznie – tj. bez zwiększania liczby kubitów – w procesie znanym jako łagodzenie błędów. Wiadomo, że kilka algorytmów zapewnia odporność na szumy w małych komputerach kwantowych, tak że „przewaga kwantowa” może być zauważalna w określonych zastosowaniach fizyki wysokich energii pomimo nieodłącznych ograniczeń komputerów kwantowych obecnej generacji.

Jeden z takich kierunków badań w IHEP koncentruje się na symulacji kwantowej, wykorzystując pomysły pierwotnie wysunięte przez Richarda Feynmana dotyczące wykorzystania urządzeń kwantowych do symulacji ewolucji w czasie układów kwantowych – na przykład w chromodynamice kwantowej sieci (QCD). Dla kontekstu Model Standardowy opisuje wszystkie podstawowe interakcje między cząstkami elementarnymi poza siłą grawitacji – tj. łącząc siły elektromagnetyczne, słabe i silne. W ten sposób model składa się z dwóch zestawów tzw. teorii pola z miernikami kwantowymi: modelu Glashowa – Weinberga – Salama (zapewniającego ujednolicony opis sił elektromagnetycznych i słabych) oraz modelu QCD (dla sił silnych).

Generalnie jest tak, że teorii pola mierników kwantowych nie można rozwiązać analitycznie, a większość przewidywań dla eksperymentów wyprowadza się z metod aproksymacji ciągłego doskonalenia (znanych również jako zaburzenia). Obecnie naukowcy z IHEP pracują nad bezpośrednią symulacją pól cechowania za pomocą obwodów kwantowych w uproszczonych warunkach (na przykład w zmniejszonych wymiarach czasoprzestrzennych lub z wykorzystaniem grup skończonych lub innych metod algebraicznych). Takie podejścia są kompatybilne z obecnymi iteracjami komputerów NISQ i stanowią podstawę pracy nad pełniejszą implementacją kratowego QCD w najbliższej przyszłości.

Uczenie maszynowe: sposób kwantowy

Kolejnym tematem badań kwantowych w IHEP jest kwantowe uczenie maszynowe, które można podzielić na cztery różne podejścia: CC, CQ, QC, QQ (gdzie C – klasyczne; Q – kwantowe). W każdym przypadku pierwsza litera odpowiada typowi danych, a druga typowi komputera, na którym działa algorytm. Na przykład schemat CC w pełni wykorzystuje klasyczne dane i klasyczne komputery, chociaż obsługuje algorytmy inspirowane technologią kwantową.

Najbardziej obiecujący przypadek użycia badany w IHEP obejmuje jednak kategorię CQ uczenia maszynowego, w ramach której klasyczny typ danych jest mapowany i szkolony w komputerach kwantowych. Motywacją jest to, że wykorzystując podstawy mechaniki kwantowej – dużą przestrzeń Hilberta, superpozycję i splątanie – komputery kwantowe będą w stanie skuteczniej uczyć się na podstawie wielkoskalowych zbiorów danych w celu optymalizacji wynikowych metod uczenia maszynowego.

<a data-fancybox data-src="https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science-physics-world-3.jpg" data-caption="Śledzenie cząstek Naukowcy z IHEP są przekonani, że obliczenia kwantowe pomogą usprawnić metody rekonstrukcji śladów w akceleratorach cząstek nowej generacji, takich jak HL-LHC. Powyżej: Hideki Okawa (po prawej), Jiaheng Zou (stoi) i Xiaozhong Huang (po lewej) oceniają zrekonstruowane ścieżki cząstek wygenerowane za pomocą komputera Origin Quantum Wuyuan, reklamowanego jako „pierwszy praktyczny komputer kwantowy w Chinach”. (Dzięki uprzejmości: IHEP)” title=”Kliknij, aby otworzyć obraz w wyskakującym okienku” href=”https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track -fundamental-science-physics-world-3.jpg”>

Aby zrozumieć potencjał przewagi kwantowej, naukowcy z IHEP pracują obecnie nad „ponownym odkryciem” egzotycznej cząstki Z_c(3900) z wykorzystaniem kwantowego uczenia maszynowego. Jeśli chodzi o fabułę: Z_c(3900) to egzotyczna cząstka subatomowa zbudowana z kwarków (elementów budulcowych protonów i neutronów) i uważana za pierwszy stan tetrakwarkowy zaobserwowany eksperymentalnie – obserwacja, która w tym procesie pogłębiła naszą wiedzę na temat QCD. Cząsteczkę odkryto w 2013 roku za pomocą detektora spektrometru pekińskiego (BESIII) w pekińskim zderzaczu elektronów i pozytonów (BEPCII) na podstawie niezależnych obserwacji w ramach eksperymentu Belle w japońskim laboratorium fizyki cząstek KEK.

Innowacje testowe QUANT-NET: nowe oblicze sieci kwantowej

W ramach tego badania badawczo-rozwojowego zespół kierowany przez Jiahenga Zou z IHEP, w skład którego wchodzili koledzy z uniwersytetów w Shandong i Uniwersytecie w Jinan, wdrożył tak zwany algorytm maszyny wektorów nośnych kwantowych (kwantowy wariant algorytmu klasycznego) do szkolenia wzdłużnego z symulowanymi sygnałami Z_c(3900) i losowo wybrane zdarzenia z rzeczywistych danych BESIII jako tło.

Dzięki podejściu do kwantowego uczenia maszynowego wydajność jest konkurencyjna w porównaniu z klasycznymi systemami uczenia maszynowego – choć, co najważniejsze, przy mniejszym zbiorze danych szkoleniowych i mniejszej liczbie funkcji danych. Trwają badania mające na celu wykazanie zwiększonej czułości sygnału dzięki obliczeniom kwantowym, co może ostatecznie wskazać drogę do odkrycia nowych egzotycznych cząstek w przyszłych eksperymentach.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://physicsworld.com/a/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science/