ИФВЭ ищет квантовые возможности для ускорения фундаментальной науки

<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="Имитировать, чтобы накопить Кластер высокопроизводительных вычислений ИФВЭ — один из нескольких вычислительных ресурсов, поддерживающих платформу квантового симулятора QuIHEP. (Фото любезно предоставлено: ИФВЭ)»>

Институт физики высоких энергий (ИФВЭ), входящий в состав Китайской академии наук, является крупнейшей лабораторией фундаментальной науки в Китае. Здесь реализуется междисциплинарная исследовательская программа, охватывающая физику элементарных частиц, астрофизику, а также планирование, проектирование и строительство крупномасштабных проектов ускорителей, в том числе Китайского источника расщепительных нейтронов, запущенного в 2018 году, и источника высокоэнергетических фотонов, который должен появиться в ближайшее время. онлайн в 2025 году.

Хотя инвестиции в экспериментальную инфраструктуру ИФВЭ резко возросли за последние 20 лет, разработка и применение технологий квантового машинного обучения и квантовых вычислений теперь могут принести столь же далеко идущие результаты в рамках исследовательской программы ИФВЭ.   

Большая наука, квантовые решения

Физика высоких энергий — это место, где «большая наука» встречается с «большими данными». Открытие новых частиц и исследование фундаментальных законов природы — это усилия, которые производят невероятные объемы данных. Большой адронный коллайдер (БАК) в ЦЕРНе генерирует петабайты (10¹⁵ байтов) данных во время экспериментальных запусков – все они должны быть обработаны и проанализированы с помощью грид-вычислений, распределенной инфраструктуры, объединяющей вычислительные ресурсы по всему миру.

Таким образом, Worldwide LHC Computing Grid предоставляет тысячам физиков доступ к данным LHC практически в реальном времени. Эта сложная вычислительная сеть сыграла фундаментальную роль в знаменательном открытии бозона Хиггса в ЦЕРН в 2012 году, а также в бесчисленном множестве других достижений в дальнейшем исследовании Стандартной модели физики элементарных частиц.

Однако надвигается еще один переломный момент, когда дело доходит до хранения, анализа и извлечения больших данных в физике высоких энергий. Большой адронный коллайдер высокой светимости (HL-LHC), который, как ожидается, вступит в эксплуатацию в 2029 году, создаст «вычислительный кризис», поскольку интегрированная светимость машины пропорциональна количеству столкновений частиц, происходящих за заданный промежуток времени. , увеличится в 10 раз по сравнению с расчетным значением LHC, как и потоки данных, генерируемые экспериментами HL-LHC.

CERN QTI: использование большой науки для ускорения квантовых инноваций

В ближайшем будущем потребуется новая «вычислительная база», чтобы справиться с растущими потребностями в данных HL-LHC – базовая линия, которая потребует масштабного использования графических процессоров для массово-параллельного моделирования, записи и повторной обработки данных. , а также классические приложения машинного обучения. ЦЕРН, со своей стороны, также разработал средне- и долгосрочную дорожную карту, которая объединяет сообщества физики высоких энергий и квантовых технологий посредством Инициативы CERN по квантовым технологиям (QTI) – признание того, что на горизонте появляется еще один скачок в производительности вычислений. с применением квантовых вычислений и технологий квантовых сетей.

Назад к квантовым основам

Квантовые компьютеры, как следует из названия, используют фундаментальные принципы квантовой механики. Подобно классическим компьютерам, которые полагаются на двоичные биты, принимающие значения 0 или 1, квантовые компьютеры используют квантовые двоичные биты, но как суперпозицию состояний 0 и 1. Эта суперпозиция в сочетании с квантовой запутанностью (корреляцией между квантовыми битами) в принципе позволяет квантовым компьютерам выполнять некоторые типы вычислений значительно быстрее, чем классические машины – например, квантовое моделирование, применяемое в различных областях квантовой химии и кинетике молекулярных реакций.

Хотя возможности для науки и экономики в целом кажутся привлекательными, одной из больших инженерных проблем, связанных с квантовыми компьютерами ранней стадии, является их уязвимость к шуму окружающей среды. Кубиты слишком легко повреждаются, например, из-за их взаимодействия с магнитным полем Земли или паразитными электромагнитными полями мобильных телефонов и сетей Wi-Fi. Взаимодействие с космическими лучами также может быть проблематичным, как и интерференция между соседними кубитами.

<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="Большая физика Ученые ИФВЭ работают над «зановым открытием» экзотической частицы Zc(3900) с помощью квантового машинного обучения. Субатомная частица – первое состояние тетракварка, наблюдаемое экспериментально – была обнаружена в 2013 году детектором BESIII (показан здесь) на Пекинском электрон-позитронном коллайдере ИФВЭ. (Любезно предоставлено: IHEP)» title=»Нажмите, чтобы открыть изображение во всплывающем окне» href=»https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track -фундаментальная-наука-физика-мир-2.jpg”>

Идеальное решение — стратегия, называемая коррекцией ошибок, — предполагает хранение одной и той же информации в нескольких кубитах, чтобы ошибки обнаруживались и исправлялись, когда на один или несколько кубитов воздействует шум. Проблема с этими так называемыми отказоустойчивыми квантовыми компьютерами заключается в том, что им требуется большое количество кубитов (около миллионов) – то, что невозможно реализовать в небольших квантовых архитектурах текущего поколения.

Вместо этого разработчики современных квантовых компьютеров промежуточного масштаба с шумом (NISQ) могут либо принять шумовые эффекты такими, какие они есть, либо частично восстановить ошибки алгоритмически – то есть без увеличения количества кубитов – в процессе, известном как уменьшение ошибок. Известно, что несколько алгоритмов придают устойчивость к шуму в небольших квантовых компьютерах, так что «квантовое преимущество» может наблюдаться в конкретных приложениях физики высоких энергий, несмотря на присущие квантовым компьютерам текущего поколения ограничения.

Одно из таких направлений исследований в ИФВЭ сосредоточено на квантовом моделировании, применяя идеи, первоначально выдвинутые Ричардом Фейнманом в отношении использования квантовых устройств для моделирования временной эволюции квантовых систем – например, в решеточной квантовой хромодинамике (КХД). Для контекста Стандартная модель описывает все фундаментальные взаимодействия между элементарными частицами, кроме гравитационной силы, то есть связывает воедино электромагнитное, слабое и сильное взаимодействия. Таким образом, модель включает в себя два набора так называемых квантовых калибровочных теорий поля: модель Глэшоу–Вайнберга–Салама (обеспечивающая единое описание электромагнитных и слабых взаимодействий) и КХД (для сильных взаимодействий).

Как правило, квантовые калибровочные теории поля не могут быть решены аналитически, при этом большинство прогнозов для экспериментов основаны на методах аппроксимации непрерывного улучшения (также известных как возмущения). В настоящее время сотрудники ИФВЭ работают над непосредственным моделированием калибровочных полей с помощью квантовых схем в упрощенных условиях (например, в измерениях уменьшенного пространства-времени или с использованием конечных групп или других алгебраических методов). Такие подходы совместимы с текущими версиями компьютеров NISQ и представляют собой фундаментальную работу для более полной реализации решеточной КХД в ближайшем будущем.

Машинное обучение: квантовый путь

Еще одна тема квантовых исследований в ИФВЭ связана с квантовым машинным обучением, которое можно сгруппировать в четыре отдельных подхода: CC, CQ, QC, QQ (где C – классический; Q – квантовый). В каждом случае первая буква соответствует типу данных, а вторая — типу компьютера, на котором работает алгоритм. Например, схема CC полностью использует классические данные и классические компьютеры, хотя и использует квантовые алгоритмы.

Однако наиболее многообещающий вариант использования, который реализуется в ИФВЭ, включает категорию машинного обучения CQ, где классический тип данных отображается и обучается на квантовых компьютерах. Мотивация здесь заключается в том, что, используя основы квантовой механики – большое гильбертово пространство, суперпозицию и запутанность – квантовые компьютеры смогут более эффективно учиться на крупномасштабных наборах данных для оптимизации результирующих методологий машинного обучения.

<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="Отслеживание частиц Ученые ИФВЭ полагают, что квантовые вычисления помогут оптимизировать методы реконструкции треков в ускорителях частиц следующего поколения, таких как HL-LHC. Вверху: Хидеки Окава (справа), Цзяхэн Цзоу (стоит) и Сяочжун Хуан (слева) оценивают реконструированные треки частиц, созданные с помощью компьютера Origin Quantum Wuyuan, объявленного «первым практическим квантовым компьютером Китая». (Любезно предоставлено: IHEP)» title=»Нажмите, чтобы открыть изображение во всплывающем окне» href=»https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track -фундаментальная-наука-физика-мир-3.jpg”>

Чтобы понять потенциал квантового преимущества, ученые ИФВЭ в настоящее время работают над «зановым открытием» экзотической частицы Z._c(3900) с использованием квантового машинного обучения. Что касается предыстории: Z_c(3900) — экзотическая субатомная частица, состоящая из кварков (строительных блоков протонов и нейтронов), которая считается первым состоянием тетракварка, наблюдаемым экспериментально — наблюдение, которое в процессе углубило наше понимание КХД. Частица была обнаружена в 2013 году детектором Пекинского спектрометра (BESIII) на Пекинском электрон-позитронном коллайдере (BEPCII) при независимом наблюдении в ходе эксперимента Belle в японской лаборатории физики элементарных частиц KEK.

Инновации испытательного стенда QUANT-NET: переосмысление квантовой сети

В рамках этого научно-исследовательского исследования группа под руководством Цзяхэн Цзоу из ИФВЭ, в которую вошли коллеги из Шаньдунского университета и Университета Цзинань, применила так называемый алгоритм квантовой машины опорных векторов (квантовый вариант классического алгоритма) для обучения с моделируемыми сигналами Z_c(3900) и случайно выбранные события из реальных данных BESIII в качестве фона.

Используя подход квантового машинного обучения, производительность конкурентоспособна по сравнению с классическими системами машинного обучения, хотя, что особенно важно, с меньшим набором обучающих данных и меньшим количеством функций данных. Исследования продолжаются, чтобы продемонстрировать повышенную чувствительность сигнала с помощью квантовых вычислений, и эта работа в конечном итоге может указать путь к открытию новых экзотических частиц в будущих экспериментах.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://physicsworld.com/a/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science/