Hybrid quantum-classical approach for combinatorial problems at hadron colliders

El Gran Colisionador de Hadrones es una máquina construida para responder a las preguntas más profundas sobre el universo chocando protones a casi la velocidad de la luz. Cuando estas partículas colisionan, se fragmentan en un estallido caótico de fragmentos más pequeños, creando una instantánea fugaz de energía que los físicos deben reconstruir para entender qué sucedió. En el mundo de la física de partículas, esta reconstrucción es a menudo un juego de deducción. Los científicos observan los escombros e intentan determinar qué piezas proceden de qué partícula madre, una tarea que se vuelve increíblemente difícil cuando la colisión produce un gran número de jets, o chorros de partículas, todos mezclados entre sí. Esto se conoce como un problema combinatorio: con tantas piezas, la cantidad de formas de agruparlas correctamente es vasta, y sortearlas para encontrar la verdadera historia de la colisión es como intentar encontrar un conjunto específico de calcetines que combinen en un cuarto de lavandería donde cada calcetín parece igual.

Durante décadas, los físicos han dependido de métodos de computación clásica para resolver estos acertijos, utilizando reglas matemáticas basadas en las leyes del movimiento y la energía para adivinar las agrupaciones correctas. Más recientemente, se han vuelto hacia el aprendizaje automático, entrenando programas informáticos con millones de eventos simulados para reconocer patrones. Sin embargo, un nuevo estudio sugiere que un tipo diferente de potencia de computación, que aprovecha las extrañas reglas de la mecánica cuántica, podría ofrecer una forma fresca y poderosa de abordar estos mismos desafíos. Investigadores de instituciones que incluyen la Universidad de Pekín, la Universidad de Kansas e IonQ han explorado cómo se pueden utilizar algoritmos cuánticos para clasificar los escombros de las colisiones de quarks top, un tipo específico de evento de partículas pesadas que es notoriamente difícil de analizar. Su trabajo muestra que estos métodos cuánticos no solo pueden igualar el rendimiento de las mejores técnicas existentes, sino que también pueden hacerlo sin necesidad de las masivas sesiones de entrenamiento que requiere el aprendizaje automático tradicional.

El equipo centró su atención en el canal totalmente hadrónico de la producción de pares de quarks top, un escenario donde se crean dos quarks top pesados y se desintegran inmediatamente en seis jets de partículas. En este entorno, el detector ve una nube de seis jets distintos, pero no puede distinguir cuáles tres pertenecen al primer quark top y cuáles tres al segundo. Debido a que el quark top es pesado y se desintegra rápidamente, los jets que produce suelen estar agrupados, lo que hace que la distinción sea aún más difícil. Los investigadores trataron esta tarea de clasificación como un problema de optimización, pidiendo a una computadora que encuentre el único agrupamiento de jets que tenga más sentido físico de acuerdo con las leyes de la energía y el momento. Probaron varios algoritmos cuánticos diferentes, incluyendo un método llamado Algoritmo de Optimización de Aproximación Cuántica, un enfoque basado en retroalimentación que ajusta sus pasos en tiempo real, y una técnica que simula el flujo del tiempo en un sistema cuántico para encontrar el estado de menor energía.

Para ver qué tan bien funcionaron estos métodos, los científicos realizaron simulaciones en un conjunto de datos de doce mil eventos de colisión. Compararon los algoritmos cuánticos contra dos puntos de referencia establecidos: un método cinemático tradicional conocido como el enfoque de hemisferio, que simplemente intenta minimizar la masa de cada grupo, y una sofisticada red de aprendizaje automático llamada SPANet que ha sido entrenada en millones de ejemplos. Los resultados fueron sorprendentes. Los algoritmos cuánticos, particularmente el método basado en retroalimentación y una variante del algoritmo de optimización, identificaron con éxito el agrupamiento correcto de los jets en aproximadamente el 79 por ciento de los eventos. Esto igualó el rendimiento de la avanzada red de aprendizaje automático y superó significativamente al método tradicional de hemisferio, que solo tuvo éxito aproximadamente el 50 por ciento de las veces.

Lo que hace que este hallazgo sea particularmente interesante es cómo los métodos cuánticos lograron estos resultados. A diferencia del enfoque de aprendizaje automático, que tuvo que ser entrenado con una vasta biblioteca de datos simulados antes de poder usarse en eventos reales, los algoritmos cuánticos no necesitaron ningún entrenamiento en absoluto. En su lugar, calcularon la solución para cada evento de colisión individual sobre la marcha, ajustando sus parámetros internos específicamente para ese momento. Esto significa que si la física de la colisión cambiara ligeramente, el algoritmo cuántico no necesitaría ser reentrenado; simplemente se adaptaría a las nuevas condiciones de inmediato. El estudio también encontró que estos métodos cuánticos son robustos a través de diferentes tipos de colisiones, desempeñándose bien incluso cuando las partículas se movían a diferentes velocidades, un factor que a menudo confunde a los métodos más simples.

Los investigadores fueron cuidadosos al notar que, aunque estos resultados son prometedores, se basan en simulaciones de datos idealizados, donde los efectos del detector y los detalles desordenados de las cascadas de partículas fueron simplificados. En el mundo real, el ruido y las limitaciones del hardware físico presentan un obstáculo significativo. Los circuitos cuánticos utilizados en el estudio eran relativamente pequeños, involucrando solo seis qubits, las unidades básicas de información cuántica. A medida que el número de partículas en una colisión aumenta, la complejidad del problema crece rápidamente, y los circuitos cuánticos tendrían que volverse mucho más profundos y complejos para manejar la carga. Los autores señalan que las computadoras cuánticas actuales todavía están en una etapa temprana de desarrollo, propensas a errores y ruido que pueden interrumpir cálculos delicados. Sin embargo, el estudio sirve como una prueba de concepto, demostrando que el marco matemático para resolver estos problemas existe y que las computadoras cuánticas pueden, en principio, navegar el complejo paisaje de las colisiones de partículas con alta eficiencia.

El trabajo también destaca un cambio más amplio en cómo los científicos podrían abordar el análisis de datos en el futuro. Si bien el aprendizaje automático se ha convertido en una herramienta dominante en la física, depende fuertemente de la suposición de que los datos que ve durante el entrenamiento se parecerán exactamente a los datos que encontrará más tarde. Si el mundo real se comporta de manera diferente a la simulación, el modelo puede fallar. El enfoque cuántico ofrece un camino diferente, uno que se basa en principios físicos fundamentales en lugar del reconocimiento de patrones de datos pasados. Esto podría ser una ventaja crucial a medida que los experimentos se vuelven más complejos y los datos más difíciles de simular con precisión. El estudio sugiere que, a medida que el hardware cuántico madure, estos algoritmos podrían convertirse en una parte estándar del conjunto de herramientas para los físicos, ofreciendo una forma de extraer señales más claras del ruido caótico de las colisiones de alta energía.

En última instancia, la investigación no pretende haber resuelto el problema de la reconstrucción de partículas ni haber demostrado una ventaja definitiva sobre todos los métodos de computación clásica. Los algoritmos clásicos utilizados para la comparación, como una técnica de búsqueda llamada búsqueda Tabu, funcionaron casi tan bien como los métodos cuánticos en este problema específico y de pequeña escala. El verdadero valor del estudio radica en mostrar que los algoritmos cuánticos son una alternativa viable y adaptable que no requiere el pesado trabajo del entrenamiento. Abre una puerta para la exploración futura, sugiriendo que, a medida que la tecnología cuántica mejore, puede proporcionar una forma única y poderosa de desenredar los misterios más complejos del mundo subatómico, convirtiendo el estallido caótico de una colisión de partículas en una historia clara y comprensible.