Quantum Fourier integration of decay rates at next-to-leading order
تقترح هذه الورقة طريقة تستخدم الشبكات العصبية الكمومية مع تمثيل متسلسلة فوريه المبتورة، بالاقتران مع تقدير السعة التكراري لفوريه الكمومي وصياغة ثنائية الحلقة-الشجرة، لدمج معدلات الاضمحلال في الرتبة التالية للرائدة بكفاءة في فيزياء الطاقات العالية، مبرهنةً على جدواها من خلال مقارنات بين نتائج المحاكي الكمومي والنتائج المادية مقابل التنبؤات التحليلية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في المشهد الشاسع وغير المرئي لفيزياء الجسيمات، يحسب العلماء باستمرار مدى سرعة تفكك الجسيمات غير المستقرة إلى جسيمات أخف. هذه الحسابات، المعروفة بمعدلات الاضمحلال، ضرورية لفهم القوى الأساسية التي تشكل كوننا. وللتنبؤ بهذه المعدلات بدقة عالية، يجب على الفيزيائيين حل مشكلات رياضية معقدة تتضمن جمع عدد لا يحصى من الطرق الممكنة لتحول الجسيم. لعقود من الزمن، اعتمدت هذه الحسابات على حواسيب كلاسيكية قوية، ولكن مع زيادة الدقة المطلوبة، تصبح المشكلات معقدة للغاية لدرجة أن حتى أعتى الحواسيب الفائقة تجد صعوبة في التعامل معها. مؤخرًا، ظهر نهج جديد يستعير أدوات من مجال الحوسبة الكمومية المتطور بسرعة. فبدلاً من محاولة محاكاة العملية الفيزيائية بأكملها بشكل مباشر، يستكشف الباحثون ما إذا كانت الآلات الكمومية يمكنها تعلم شكل هذه الحسابات الصعبة ثم حلها بطريقة مختلفة تمامًا، باستخدام الخصائص الفريدة لميكانيكا الكم للقيام بالمهام الشاقة.
لقد اتخذ باحث بقيادة ديفيد ف. رينتيريا-إسترادا خطوة كبيرة في هذا الاتجاه من خلال اختبار طريقة تجمع بين تقنيتين كموميتين متميزتين لحساب معدلات اضمحلال الجسيمات بمستوى عالٍ من الدقة. ركز الباحث على ثلاث سيناريوهات محددة حيث يضمحل جسيم ثقيل إلى كواركات أخف أو جسيمات أخرى، مع انبعاث جسيم إضافي أحيانًا في العملية. بلغة الفيزياء، هذه هي حسابات "الرتبة التالية" (next-to-leading order)، مما يعني أنها تتضمن تأثيرات دقيقة من الدرجة الثانية، وهي ضرورية للدقة ولكنها صعبة الحساب بشكل ملحوظ لأنها تتضمن لانهايات يجب إلغاؤها بعناية. ولجعل المشكلة قابلة للإدارة، استخدم الباحث أولاً إطارًا رياضيًا يسمى "ثنائية شجرة الحلقة" (Loop-Tree Duality). يعمل هذا الإطار مثل مرشح، حيث يعيد تنظيم المساهمات الفوضوية من الجسيمات الافتراضية والانبعاثات الحقيقية في دالة واحدة سلسة ومنتهية يمكن دراستها دون التفردات الرياضية التي تعطل الحسابات عادةً.
بمجرد الحصول على هذه الدالة النظيفة والمنتهية، قام الباحث بتغذيتها في شبكة عصبية كمومية. فكر في هذه الشبكة كآلة مرنة وقابلة للبرمجة مكونة من بتات كمومية يمكنها تعلم محاكاة شكل منحنى معقد. قام الباحث بتدريب هذه الشبكة للتعرف على نمط دالة معدل الاضمحلال. وتتمثل الرؤية الرئيسية لعمله في أن هذه الدوائر الكمومية تنتج طبيعيًا نتائج تبدو مثل مجموع الموجات، تمامًا كما يتكون الوتر الموسيقي من نوتات فردية. ومن خلال تدريب الشبكة، فقد علمها فعليًا وصف معدل الاضمحلال كتركيبة محددة من هذه الموجات. وبمجرد أن تعلمت الشبكة النمط، لم يطلب الباحث منها حساب النتيجة النهائية مباشرة، بل استخرج الأوزان المحددة للموجات التي تعلمتها واستخدم خوارزمية كمومية منفصلة تسمى "تقدير السعة التكراري" (Iterative Quantum Amplitude Estimation) لجمع المساحات تحت هذه الموجات. هذه العملية المكونة من خطوتين — تعلم الشكل ثم جمع الموجات — هي جوهر منهجه الجديد، المعروف باسم "تقدير السعة التكراري لفوريه الكمومي" (Quantum Fourier Iterative Amplitude Estimation).
اختبر الباحث هذا النهج باستخدام كل من محاكي كمومي مثالي خالٍ من الضجيج، وأجهزة كمومية حقيقية غير مثالية متاحة عبر الإنترنت. عندما أجروا الحسابات على المحاكي، تطابقت النتائج مع التنبؤات النظرية المعروفة بشكل جيد، ونجحت في إعادة إنتاج كيفية تغير معدلات الاضمحلال مع تغير كتلة الجسيمات المعنية. وقد أكد هذا أن الطريقة تعمل من حيث المبدأ. ومع ذلك، عندما انتقلوا بالحسابات إلى أجهزة كمومية حقيقية، كانت النتائج أكثر ضجيجًا وأقل دقة؛ حيث كانت القيم عمومًا أقل من التنبؤات النظرية، وكان عدم اليقين أكبر. وهذا التباين متوقع، حيث لا تزال الأجهزة الكمومية الحالية عرضة للأخطاء والضجيج الذي يتداخل مع الحسابات الدقيقة. وأشار الباحث إلى أنه على الرغم من أن نتائج الأجهزة لم تكن مثالية بعد، إلا أن القدرة على تشغيل العملية الكاملة على آلة حقيقية تعد إنجازًا كبيرًا.
تخلص الدراسة إلى أن هذا النهج الهجين المتمثل في استخدام شبكة عصبية كمومية لتعلم دالة ثم استخدام خوارزمية كمومية لتكاملها هو مسار قابل للتطبيق للمضي قدمًا في الفيزياء عالية الطاقة. لم يدعِ الباحث أنه حل مشكلة "التفوق الكمومي"، بمعنى أنه لم يثبت أن هذه الطريقة أسرع أو أفضل حاليًا من الحواسيب الكلاسيكية. بدلاً من ذلك، قدم إثباتًا للمفهوم: وهو أن الآلات الكمومية يمكن تدريبها لفهم الدوال الفيزيائية المعقدة ويمكنها تنفيذ خطوات التكامل اللازمة. يسلط العمل الضوء على أن دقة النتيجة النهائية تعتمد بشكل كبير على مدى قدرة الشبكة العصبية على تقريب الدالة الأصلية ومدى نظافة الجهاز الكمومي أثناء خطوة التكامل. وبينما تمنع قيود الأجهزة الحالية استخدام هذا كأداة عملية للاستخدام الفوري، فإن التجربة تفتح بابًا لتطبيقات مستقبلية، مما يشير إلى أن التعلم الآلي الكمومي يمكن أن يساعد الفيزيائيين في نهاية المطاف في معالجة كل من حسابات المسافات القصيرة والطاقة العالية التي يقومون بها اليوم، والمشكلات المعقدة والبعيدة المدى لتفاعلات الجسيمات التي لا تزال بعيدة المنال.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.