2012年,歐洲大型強子對撞機(LHC)團隊宣布,他們證明了希格斯玻色子的存在,找到了粒子物理標準模型的最后一塊拼圖。CMS(緊湊繆子線圈)和ATLAS(超環面儀器)兩個實驗組都找到了質子對撞中制造出希格斯玻色子的證據。在這種方式中,希格斯玻色子會衰變成更常見的玻色子,比如一對高能光子。
但每次LHC讓兩個質子發生對撞,都會產生數百個其他粒子,當它們撞到探測器時,會被錯誤地解釋成光子。為了幫助加快搜尋到希格斯玻色子,ATLAS和CMS的物理學家用模擬數據訓練機器學習算法來“沙里淘金”——從假信號中“揪出”真光子。
最近,CMS搜索希格斯玻色子負責人之一、美國加州理工學院物理學教授瑪利亞·斯皮羅普魯想要了解量子計算機能否讓上述訓練過程更高效,尤其是在減少訓練系統所需的模擬數據數量方面,她說:“我想看看它到底能不能解決希格斯問題。”
她的合作者亞力克斯·莫特是倫敦“深度學習”項目的物理學家,他把學習過程轉換成了可用“量子退火”計算機(加拿大D-Wave系統公司開發)計算的問題。這類機器能通過使編碼量子信息的超導線圈降為最低能態,從而發現某些問題的最優解。
他們的想法是,讓量子計算機發現最佳標準,讓普通計算機接著使用這些標準在真實的數據中尋找光子的信號。為了檢驗這一理論,團隊用了位于南加州洛杉磯大學的D-Wave公司機器。實驗非常成功,斯皮羅普魯說:“我們已經能夠用小數據集訓練來得出最優解?!?/span>
ATLAS希格斯玻色子搜尋行動負責人之一克萊默說,這證明是可行的,這才是這項研究“最酷”的一部分。而且與傳統計算機相比,目前量子計算機并沒有明顯的技術優勢,但在未來的實驗中,數據量會更大,屆時量子機器學習將“大顯身手”。