A Coherent Memory Register for Sequential Quantum Generative Modeling, with Application to Calorimeter Showers

Dans les expériences de physique des hautes énergies qui sondent les constituants fondamentaux de l'univers, des particules sont projetées sur des détecteurs pour observer comment elles se brisent et se dispersent. Lorsqu'une particule de haute énergie frappe un calorimètre, elle ne s'arrête pas simplement ; elle déclenche une cascade de particules secondaires, une gerbe qui se propage et dépose de l'énergie à travers des centaines ou des milliers de capteurs minuscules. Simuler ces gerbes est essentiel pour que les physiciens comprennent ce qu'ils observent, mais le faire avec les méthodes les plus précises disponibles aujourd'hui est extrêmement coûteux en termes de puissance de calcul. À mesure que les expériences s'agrandissent et génèrent davantage de données, le temps et l'énergie nécessaires pour simuler ces gerbes de particules menacent de dépasser les ressources disponibles. Les scientifiques se sont tournés vers l'apprentissage automatique pour créer des raccourcis plus rapides, mais ces raccourcis classiques nécessitent souvent des quantités massives de mémoire et de puissance de traitement pour capturer les relations complexes entre les différentes parties de la gerbe de particules.

Une équipe de chercheurs du DESY et de l'Université RWTH Aachen a proposé une approche différente utilisant les ordinateurs quantiques. Au lieu d'essayer de mapper chaque capteur du détecteur à une partie distincte d'un ordinateur quantique, ils ont développé une méthode qui génère la gerbe de particules morceau par morceau. Leur innovation repose sur une petite mémoire quantique de taille fixe qui détient la « connaissance » de ce qui a déjà été généré, permettant au système de construire une image large et complexe sans nécessiter un ordinateur quantique aussi grand que l'image elle-même. Cette approche, qu'ils appellent une machine de Born à mémoire cohérente, a réussi à recréer les motifs statistiques des gerbes de particules sur un véritable processeur quantique, démontrant qu'un minuscule système quantique peut porter les corrélations complexes d'un événement physique beaucoup plus vaste.

Le défi de la simulation de ces gerbes de particules réside dans le fait que l'énergie déposée dans une partie du détecteur est profondément liée à l'énergie dans d'autres parties. Ces connexions ne sont pas aléatoires ; elles sont régies par les lois de la physique, telles que la conservation de l'énergie. Pour simuler une gerbe avec précision, un ordinateur doit comprendre comment une fluctuation dans une cellule du détecteur influence des cellules situées loin de celle-ci. Les approches quantiques traditionnelles nécessitaient souvent un registre quantique, la mémoire de l'ordinateur quantique, pour croître proportionnellement à la taille de l'image. Si une gerbe touchait mille cellules, l'ordinateur quantique aurait besoin de mille qubits, les unités de base de l'information quantique. Cette exigence dépasse rapidement les capacités de la technologie actuelle. D'autres méthodes ont tenté de transmettre l'information entre les parties de l'image via des canaux classiques, brisant ainsi la nature quantique de la simulation et perdant les corrélations mêmes qui rendent la simulation précise.

Les chercheurs ont résolu ce problème en changeant la manière dont l'ordinateur quantique se souvient du passé. Ils ont divisé l'image de la gerbe de particules en petits blocs et les ont générés les uns après les autres. Pour chaque bloc, l'ordinateur quantique a utilisé un ensemble fixe et restreint de six qubits. Trois de ces qubits étaient utilisés pour générer le bloc actuel, tandis que les trois autres étaient réservés à la mémoire. Crucialement, cette mémoire n'a jamais été mesurée ou lue pendant le processus. Dans le monde quantique, mesurer un système le force à choisir un état défini, ce qui détruit les connexions quantiques délicates qui permettent des corrélations complexes. En laissant les qubits de mémoire non mesurés, l'ordinateur quantique a maintenu l'information sur les blocs précédents dans un état de superposition, une condition quantique où le système détient plusieurs possibilités à la fois. Cette mémoire non mesurée a agi comme un pont, transportant l'influence du premier bloc de la gerbe jusqu'au dernier bloc sans jamais s'effondrer en une simple valeur classique.

L'équipe a testé cette méthode sur un ensemble de données représentant une gerbe de particules répartie sur douze cellules. Ils ont entraîné le circuit quantique pour générer la séquence de blocs, en utilisant un type spécifique de processus d'apprentissage qui comparait les motifs générés aux données réelles simulées. L'objectif n'était pas seulement de correspondre à l'énergie moyenne dans chaque cellule, mais de reproduire le réseau complexe de corrélations entre elles. Lorsqu'ils ont lancé la simulation sur un véritable processeur quantique, l'IBM ibm kingston, les résultats ont été frappants. Le modèle a reproduit avec succès la distribution d'énergie de chaque cellule ainsi que l'énergie totale de l'ensemble de la gerbe. Plus important encore, il a capturé la matrice de corrélation, la carte de la relation entre l'énergie d'une cellule et l'énergie d'une autre, incluant les motifs complexes qui traversent les frontières des blocs.

Pour prouver que la mémoire non mesurée était bien la source de ces corrélations, les chercheurs ont effectué une expérience de contrôle. Ils ont exécuté exactement le même circuit mais ont supprimé les trois qubits de mémoire, laissant tout le reste inchangé. Sans la mémoire, le modèle produisait des blocs qui étaient complètement indépendants les uns des autres. Les corrélations entre les parties distantes de la gerbe ont disparu, et le modèle n'a pas réussi à reproduire la structure complexe des données. Cela a confirmé que la mémoire quantique était la seule chose transportant l'information à travers les blocs. L'étude a montré qu'un système quantique doté d'une mémoire fixe et petite pouvait représenter une distribution de probabilité jointe qui nécessiterait un système classique avec près de sept fois plus d'états cachés pour être représentée avec la même précision.

Les chercheurs ont également examiné les performances du modèle sur le matériel réel par rapport à une simulation parfaite et sans bruit. Bien que le processeur quantique de la machine IBM introduise certaines erreurs, provoquant un léger décalage du spectre d'énergie totale, la structure fondamentale des corrélations est restée intacte. Le modèle ne s'est pas effondré ; il a simplement dérivé. Cela suggère que l'architecture est suffisamment robuste pour survivre aux imperfections des dispositifs quantiques actuels. Ce travail démontre que le goulot d'étranglement pour simuler ces processus physiques complexes n'est pas nécessairement la taille de l'ordinateur quantique, mais plutôt la capacité à maintenir une mémoire cohérente capable de lier des parties distantes d'une séquence.

Cette approche offre une nouvelle voie de développement pour la physique des hautes énergies. En découplant la taille du registre quantique de la taille de l'image, les chercheurs ont montré qu'il est possible de simuler des systèmes larges et complexes avec un dispositif quantique petit et gérable. La méthode repose sur la capacité unique de la mécanique quantique à maintenir l'information dans un état qui n'est jamais directement observé, permettant au système de maintenir des connexions que les ordinateurs classiques peinent à reproduire efficacement. À mesure que le matériel quantique continue de s'améliorer, cette technique pourrait permettre aux physiciens de simuler des gerbes de particules encore plus grandes et complexes, ouvrant la voie à une compréhension plus profonde des forces fondamentales de la nature sans être limités par l'échelle pure de la donnée.