IHEP išče kvantne priložnosti za pospešitev temeljne znanosti – sveta fizike

<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="Simulirajte za kopičenje Visokozmogljiva računalniška gruča IHEP je eden od več računalniških virov, ki podpirajo platformo kvantnega simulatorja QuIHEP. (Z dovoljenjem: IHEP)”>

Inštitut za fiziko visokih energij (IHEP), del Kitajske akademije znanosti, je največji temeljni znanstveni laboratorij na Kitajskem. Gosti multidisciplinarni raziskovalni program, ki obsega fiziko osnovnih delcev, astrofiziko ter načrtovanje, načrtovanje in gradnjo obsežnih projektov pospeševalnikov – vključno s China Spallation Neutron Source, ki je bil lansiran leta 2018, in High Energy Photon Source, ki naj bi prišel. na spletu leta 2025.

Medtem ko so naložbe v eksperimentalno infrastrukturo IHEP v zadnjih 20 letih močno narasle, sta razvoj in uporaba tehnologij kvantnega strojnega učenja in kvantnega računalništva zdaj pripravljena prinesti podobno daljnosežne rezultate v okviru raziskovalnega programa IHEP.   

Velika znanost, kvantne rešitve

Fizika visokih energij je tam, kjer se »velika znanost« sreča z »velikimi podatki«. Odkrivanje novih delcev in raziskovanje temeljnih naravnih zakonov sta prizadevanja, ki ustvarjajo neverjetne količine podatkov. Veliki hadronski trkalnik (LHC) v CERN-u ustvarja petabajte (10¹⁵ bajtov) podatkov med poskusnimi zagoni – vse to je treba obdelati in analizirati s pomočjo omrežnega računalništva, porazdeljene infrastrukture, ki omreži računalniške vire po vsem svetu.

Na ta način Worldwide LHC Computing Grid daje skupnosti tisočev fizikov dostop do podatkov LHC v skoraj realnem času. Ta sofisticirana računalniška mreža je bila temeljnega pomena za prelomno odkritje Higgsovega bozona v CERN-u leta 2012, pa tudi za nešteto drugih napredkov za nadaljnje raziskovanje standardnega modela fizike delcev.

Še ena prelomna točka pa se obeta, ko gre za shranjevanje, analizo in rudarjenje velikih podatkov v fiziki visokih energij. Veliki hadronski trkalnik visoke svetilnosti (HL-LHC), ki bo predvidoma začel delovati leta 2029, bo ustvaril "računalniško stisko" kot integrirana svetilnost stroja, sorazmerna s številom trkov delcev, ki se zgodijo v določenem času. , se bo povečalo za faktor 10 v primerjavi z zasnovo LHC-jeve vrednosti – tako kot tudi podatkovni tokovi, ustvarjeni s poskusi HL-LHC.

CERN QTI: izkoriščanje velike znanosti za pospeševanje kvantnih inovacij

V kratkem času bo za obvladovanje naraščajočih podatkovnih zahtev HL-LHC potrebna nova »računalniška osnova« – osnova, ki bo zahtevala obsežno izkoriščanje grafičnih procesnih enot za množično vzporedno simulacijo, snemanje in ponovno obdelavo podatkov. , kot tudi klasične aplikacije strojnega učenja. CERN je s svoje strani tudi vzpostavil srednjeročni in dolgoročni načrt, ki združuje skupnosti visokoenergijske fizike in kvantne tehnologije prek CERN-ove pobude za kvantno tehnologijo (QTI) – priznanje, da se obeta še en skok v računalniški zmogljivosti. z uporabo kvantnega računalništva in kvantnih mrežnih tehnologij.

Nazaj k kvantnim osnovam

Kvantni računalniki, kot pove že ime, izkoriščajo temeljna načela kvantne mehanike. Podobno kot klasični računalniki, ki se zanašajo na binarne bite, ki imajo vrednost 0 ali 1, kvantni računalniki izkoriščajo kvantne binarne bite, vendar kot superpozicijo stanj 0 in 1. Ta superpozicija, skupaj s kvantno prepletenostjo (korelacije med kvantnimi biti), načeloma omogoča kvantnim računalnikom, da nekatere vrste izračunov izvajajo bistveno hitreje kot klasični stroji – na primer kvantne simulacije, ki se uporabljajo na različnih področjih kvantne kemije in kinetike molekularne reakcije.

Medtem ko se priložnosti za znanost in širše gospodarstvo zdijo prepričljive, je eden od velikih inženirskih glavobolov, povezanih s kvantnimi računalniki v zgodnji fazi, njihova ranljivost za okoljski hrup. Kubite prelahko zmotijo ​​na primer njihove interakcije z zemeljskim magnetnim poljem ali blodečimi elektromagnetnimi polji mobilnih telefonov in omrežij WiFi. Interakcije s kozmičnimi žarki so lahko tudi problematične, prav tako motnje med sosednjimi kubiti.

<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="Velika fizika IHEP scientists are working to “rediscover” the exotic particle Zc(3900) using quantum machine learning. The subatomic particle – the first tetraquark state observed experimentally – was discovered in 2013 by the BESIII detector (shown here) at IHEP’s Beijing Electron–Positron Collider. (Courtesy: IHEP)” title=”Click to open image in popup” href=”https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science-physics-world-2.jpg”>

Idealna rešitev – strategija, imenovana popravljanje napak – vključuje shranjevanje istih informacij v več kubitih, tako da bodo napake odkrite in popravljene, ko bo eden ali več kubitov pod vplivom šuma. Težava s temi tako imenovanimi kvantnimi računalniki, odpornimi na napake, je njihova zahteva po velikem številu kubitov (približno na milijone) – nekaj, kar je nemogoče implementirati v kvantne arhitekture majhnega obsega trenutne generacije.

Namesto tega lahko načrtovalci današnjih hrupnih kvantnih računalnikov srednjega obsega (NISQ) sprejmejo učinke hrupa takšne, kot so, ali delno obnovijo napake algoritemsko – tj. brez povečanja števila kubitov – v procesu, znanem kot ublažitev napak. Znano je, da več algoritmov zagotavlja odpornost proti hrupu v kvantnih računalnikih majhnega obsega, tako da je "kvantno prednost" mogoče opaziti v posebnih fizikalnih aplikacijah visoke energije kljub inherentnim omejitvam kvantnih računalnikov trenutne generacije.

Ena taka linija raziskav na IHEP se osredotoča na kvantno simulacijo, pri čemer uporablja ideje, ki jih je prvotno predstavil Richard Feynman glede uporabe kvantnih naprav za simulacijo časovne evolucije kvantnih sistemov – na primer v mrežni kvantni kromodinamiki (QCD). Za kontekst standardni model opisuje vse temeljne interakcije med osnovnimi delci razen gravitacijske sile – tj. povezovanje elektromagnetnih, šibkih in močnih sil. Na ta način model obsega dva niza tako imenovanih teorij kvantnega merilnega polja: model Glashow–Weinberg–Salam (zagotavlja enoten opis elektromagnetnih in šibkih sil) in QCD (za močne sile).

Na splošno velja, da teorij polja kvantnega merilnika ni mogoče rešiti analitično, pri čemer večina napovedi za poskuse izhaja iz metod približevanja z nenehnim izboljševanjem (znanih tudi kot motnje). Trenutno zaposleni znanstveniki IHEP delajo na neposredni simulaciji merilnih polj s kvantnimi vezji pod poenostavljenimi pogoji (na primer v dimenzijah zmanjšanega prostora-časa ali z uporabo končnih skupin ali drugih algebraičnih metod). Takšni pristopi so združljivi s trenutnimi iteracijami računalnikov NISQ in predstavljajo temeljno delo za popolnejšo implementacijo mrežnega QCD v bližnji prihodnosti.

Strojno učenje: kvantna pot

Druga tema kvantnega raziskovanja na IHEP vključuje kvantno strojno učenje, ki ga lahko združimo v štiri različne pristope: CC, CQ, QC, QQ (s C – klasično; Q – kvantno). V vsakem primeru prva črka ustreza tipu podatkov, druga pa tipu računalnika, ki izvaja algoritem. Shema CC na primer v celoti izkorišča klasične podatke in klasične računalnike, čeprav izvaja kvantne algoritme.

Najbolj obetaven primer uporabe, ki ga obravnavajo na IHEP, pa vključuje kategorijo CQ strojnega učenja, kjer se klasični tip podatkov preslika in uri v kvantnih računalnikih. Motivacija tukaj je, da se bodo kvantni računalniki z izkoriščanjem osnov kvantne mehanike – velikega Hilbertovega prostora, superpozicije in prepletenosti – lahko učinkoviteje učili iz obsežnih naborov podatkov za optimizacijo posledičnih metodologij strojnega učenja.

<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="Sledenje delcev IHEP scientists believe quantum computing will help to streamline track reconstruction methods in next-generation particle accelerators like the HL-LHC. Above: Hideki Okawa (right), Jiaheng Zou (standing) and Xiaozhong Huang (left) evaluate reconstructed particle tracks generated with the Origin Quantum Wuyuan computer, billed as “China’s first practical quantum computer”. (Courtesy: IHEP)” title=”Click to open image in popup” href=”https://platoblockchain.com/wp-content/uploads/2024/02/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science-physics-world-3.jpg”>

Da bi razumeli potencial kvantne prednosti, znanstveniki IHEP trenutno delajo na "ponovnem odkrivanju" eksotičnega delca Z_c(3900) z uporabo kvantnega strojnega učenja. Glede na zgodbo: Z_c(3900) je eksotičen subatomski delec, sestavljen iz kvarkov (gradnikov protonov in nevtronov) in se domneva, da je prvo eksperimentalno opaženo stanje tetrakvarkov – opazovanje, ki je med tem poglobilo naše razumevanje QCD. Delec je bil odkrit leta 2013 z detektorjem pekinškega spektrometra (BESIII) na pekinškem trkalniku elektronov in pozitronov (BEPCII), z neodvisnim opazovanjem z eksperimentom Belle v japonskem laboratoriju za fiziko delcev KEK.

Inovacije na testni napravi QUANT-NET: preoblikovanje kvantnega omrežja

Kot del te raziskave in razvoja je skupina, ki jo je vodil Jiaheng Zou iz IHEP in je vključevala kolege z Univerze Shandong in Univerze Jinan, uporabila tako imenovani algoritem Quantum Support Vector Machine (kvantna različica klasičnega algoritma) za usposabljanje ob s simuliranimi signali Z_c(3900) in naključno izbrane dogodke iz dejanskih podatkov BESIII kot ozadja.

Z uporabo pristopa kvantnega strojnega učenja je zmogljivost konkurenčna v primerjavi s klasičnimi sistemi strojnega učenja – čeprav, kar je bistveno, z manjšim naborom podatkov za usposabljanje in manj podatkovnimi funkcijami. Preiskave potekajo, da bi dokazali povečano občutljivost signala s kvantnim računalništvom, delo, ki bi lahko na koncu pokazalo pot do odkritja novih eksotičnih delcev v prihodnjih poskusih.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://physicsworld.com/a/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science/