Beauty and charm jet identification with end-to-end training on a superconducting quantum processor
Questo articolo presenta il primo addestramento e test end-to-end di un circuito quantistico variazionale per l'identificazione di jet beauty e charm su un reale processore quantistico superconduttore a 5 qubit, dimostrando che il rumore dell'hardware non degrada significativamente le prestazioni e aprendo la strada al futuro vantaggio quantistico nei compiti di classificazione della fisica delle alte energie.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nel mondo ad alta energia della fisica delle particelle, gli scienziati fanno scontrare protoni quasi alla velocità della luce per ricreare le condizioni dell'universo primordiale. Quando queste collisioni avvengono, producono getti di particelle chiamati jet. La maggior parte di questi jet è ordinaria, ma alcuni originano da particelle pesanti e a breve durata di vita note come quark bellezza e charm. Identificare quali jet provengano da questi quark pesanti è fondamentale per testare le leggi fondamentali della natura, ma è un compito incredibilmente difficile. I quark pesanti decadono così rapidamente che i loro jet appaiono molto simili a quelli delle particelle più leggere, richiedendo ai ricercatori di setacciare centinaia di sottili indizi per distinguerli. Per decenni, questo è stato un lavoro affidato a potenti computer classici e all'intelligenza artificiale avanzata, ma è emersa una nuova domanda: può la tecnologia emergente del calcolo quantistico, che elabora le informazioni in un modo fondamentalmente diverso, aiutare a risolvere questo problema?
Un team di ricercatori in Italia ha compiuto un passo significativo verso la risposta a quella domanda, addestrando un computer quantistico per identificare questi jet a sapore pesante. Non si sono limitati a simulare il processo su un computer regolare; hanno eseguito l'intero ciclo di addestramento e test su un vero processore quantistico fisico. Questa macchina, un dispositivo superconduttore a cinque qubit chiamato Lagrange, si trova al Politecnico di Torino. I ricercatori hanno fornito al computer quantistico dati provenienti dall'esperimento LHCb del Large Hadron Collider, che erano stati simulati per rappresentare collisioni a un'energia di 13 tera-elettronvolt. Il loro obiettivo era vedere se un algoritmo quantistico potesse imparare a distinguere tra i jet provenienti dai quark bellezza e quelli provenienti dai quark charm, nonostante la natura rumorosa e imperfetta dell'attuale hardware quantistico.
La sfida era sostanziale. I computer quantistici odierni sono ancora agli albori, soggetti a errori e limitati nella quantità di informazioni che possono contenere. I ricercatori hanno dovuto comprimere i complessi dati che descrivono un jet in soli cinque elementi chiave, come la massa di un punto di decadimento secondario e il numero di tracce delle particelle, per farli rientrare nei cinque qubit disponibili. Hanno progettato un circuito quantistico specifico, un insieme di istruzioni che ruota e intreccia i bit quantistici per elaborare queste informazioni. A differenza di un computer standard che segue un percorso fisso, questo circuito quantistico aveva manopole regolabili, o parametri, che la macchina poteva sintonizzare autonomamente per migliorare la propria precisione. Il team ha impostato un ciclo in cui il processore quantistico faceva un tentativo, un computer classico calcolava quanto fosse sbagliato quel tentativo e poi il processore quantistico regolava le sue manopole per fare meglio.
Ciò che hanno trovato è incoraggiante. Dopo aver eseguito l'intero processo di addestramento interamente sul processore quantistico Lagrange, la macchina ha imparato con successo a separare i due tipi di jet. Le prestazioni del modello addestrato quantisticamente sono state sorprendentemente vicine a quelle di un modello addestrato su una simulazione perfetta e priva di rumore. Sebbene il computer quantistico abbia introdotto del rumore e abbia spostato leggermente i risultati, non ha impedito la capacità di effettuare una classificazione corretta. Il sistema ha raggiunto un livello di discriminazione paragonabile alla simulazione ideale, dimostrando che il rumore intrinseco nei dispositivi attuali non impedisce necessariamente a una macchina quantistica di apprendere un compito complesso di fisica. L'intero processo di addestramento, che ha coinvolto migliaia di calcoli, ha richiesto meno di un'ora di tempo effettivo trascorso sul processore quantistico.
Questo esperimento serve come prova di concetto vitale. Dimostra che l'intero flusso di lavoro per addestrare un modello di apprendimento automatico quantistico — dalla configurazione iniziale al test finale — può essere completato su un vero hardware rumoroso senza che le prestazioni crollino. I ricercatori hanno anche sviluppato un modo per prevedere quanto tempo tale compito richiederebbe su macchine più grandi, stimando che futuri computer quantistici con decine di qubit potrebbero gestire dati più realistici e complessi entro tempi fattibili, a condizione che gli oneri dell'hardware siano gestiti. Sebbene questa specifica macchina a cinque qubit sia troppo piccola per risolvere il problema completo dell'identificazione dei jet così come esiste nei veri esperimenti, che coinvolge centinaia di variabili, lo studio mostra la strada da seguire. Suggerisce che, man mano che i processori quantistici diventeranno più grandi e stabili, potranno eventualmente offrire un nuovo strumento per la fisica delle alte energie, capace di affrontare compiti di classificazione difficili anche per i più avanzati computer classici.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.