A quantum representation of $\pi$ fragmentation functions through variational quantum circuits

亜原子の世界において、物質は固形かつ不可分なレンガのようなものではありません。その代わりに、クォークとグルーオンと呼ばれる微小な粒子のダイナミックなスープによって構築されており、それらは「強い相互作用」という独自の名称を持つほど強力な力によって結びついています。これらの粒子が高エネルギー衝突によって引き離されるとき、それらは単独で飛び散ることはありません。粒子間の力が、決して切れることのない引き伸ばされたゴムバンドのように振る舞うため、粒子を引き離すために費やされたエネルギーが最終的に跳ね返り、純粋なエネルギーから新しい粒子を生み出すのです。「ハドロン化」として知られるこのプロセスは、目に見えず、儚いクォークやグルーオンを、陽子やパイ中間子といった、実際に検出可能な安定した粒子へと変貌させます。粒子加速器内部の衝突から恒星の誕生に至るまで、宇宙を理解するためには、物理学者はこの変容が正確にどのように起こるのかを解明しなければなりません。彼らは、特定の種類のクォークが特定の種類の粒子へと変化する正確な確率と、衝突のエネルギーが変化するにつれてその確率がどのように変化するかを知る必要があるのです。

何十年もの間、科学者たちは、大規模な実験から収集されたデータに適合させる複雑な数学的公式を用いて、この変容を記述してきました。しかし、これらの伝統的な公式は、その形状について多くの恣意的な選択を必要とすることが多く、それが隠れたバイアスをもたらす可能性があります。スペイン、メキシコ、アルゼンチンの研究チームによる新しい研究は、異なる道、すなわち量子コンピュータのユニークな特性を利用してこのプロセスをマッピングするという道を模索しています。彼らはゼロから新しい量子コンピュータを構築したのではなく、粒子の断片化のパターンを学習するための、量子マシンへの一連の指示である洗練された量子アルゴリズムを設計しました。パイ中間子が形成される最良の既存データを再現するようにこのアルゴリズムを教えることで、量子モデルが驚くべき効率で複雑な物理現象を捉え、従来のメソッドよりもはるかに少ない変数を使用して、以前は隠されていた異なる種類の粒子間の深い繋がりを明らかにできることを発見しました。

研究者たちは、高エネルギー衝突の最も一般的な生成物の一つである、パイ中間子と呼ばれる特定の種類の粒子に焦点を当てました。標準的なアプローチでは、物理学者は各種類のクォークと、クォークを結びつける「糊」として機能するグルーオンに対してそれぞれ個別の式を書き下すことで、パイ中間子の挙動を記述します。そして、これらの式がデータと一致するまで調整が行われます。この新しい研究のチームは、異なる問いを立てました。「単一の統合された量子回路で、これらすべての異なる粒子タイプを同時に記述できるのではないか？」彼らは、各種類のクォークとグルーオンに小さな量子ビット（qubit）を割り当てるモデルを構築しました。これらの量子ビットを独立して動作させるのではなく、研究者たちは、ある粒子のチャンネル内の情報が他のチャンネルに影響を与えることを可能にする特別な量子ゲートを用いて、それらを接続しました。これにより、「量子もつれ（エンタングルメント）」、すなわち、距離に関係なく、一つの粒子の状態が他方の粒子の状態と密接に結びついているという量子現象のネットワークが作り出されました。

結果は驚くべきものでした。チームがパイ中間子生成の確立されたデータを用いてこの量子モデルを訓練したところ、モデルは驚異的な速度と精度でパターンを学習しました。エネルギーレベルを一定に保ったテストにおいて、モデルはわずか2層の量子操作だけで高い精度を達成しました。これは、困難な問題を解決するには通常、より深く複雑な回路が必要とされる中で、非常に重要なことです。なぜなら、ここでは浅い回路で十分であったからです。研究者たちは、クォークとグルーオンのチャンネル間の量子もつれこそが鍵であることを見出しました。モデルに対し、異なる粒子タイプを個別のパーツの集合体としてではなく、単一の相互接続されたシステムとして扱うことを許容することで、基礎となる物理学をより自然に捉えることができたのです。このアプローチは、詳細を失うことなく情報を大幅に圧縮し、システムを記述するために必要な変数の数を削減することに成功しました。

なぜこれがこれほど上手くいったのかを理解するために、チームはスペクトル解析を行いました。これは、複雑な音を個々の音符へと分解して、どの周波数が存在するかを確認する作業のようなものです。彼らは、量子モデルが非常に限定された周波数成分を用いて、粒子のパターンを構築していることを発見しました。粒子の複雑な挙動の大部分は、ごく少数の基本的なパターンと、それらのパターンの少数の組み合わせだけで記述できることが示唆されました。これは、量子モデルが単にデータを記憶しているのではなく、粒子を支配する根本的な法則を表現するための、コンパクトで効率的な方法を見つけ出していることを示しています。粒子断片化の「音楽」は見た目よりも単純であり、フル交響曲を奏でるためにはわずかな音符さえあればよいのです。

研究者たちは次に、粒子の運動量と衝突のエネルギー・スケールという、二つの変数を同時に扱うようにモデルを拡張するという次のステップに進みました。これは、エネルギーが増加するにつれて粒子の挙動が大きく変化するため、非常に困難な課題です。特に、エネルギーがチャームやボトムといったより重い粒子を生み出すのに十分な高さに達する場合です。これらの重い粒子は、エネルギーが特定の閾値を超えたときに初めて出現するため、データの急激な変化を生みますが、これは標準的なモデルでは滑らかにすることが困難です。チームは、この物理的な閾値を模倣する特定の機能を量子回路に組み込み、機械に対して「重い粒子はエネルギーがこれほど高いときにのみ現れる」と教えるような設計を行いました。

この二次元モデルをテストしたところ、低エネルギー衝突から大型ハドロン衝突型加速器（LHC）で見られる極限状態に至るまで、広範なエネルギー領域にわたって複雑なデータを再現することに成功しました。モデルは、既存の最高のデータセットと一致する0.999を超える相関係数で、粒子の挙動を予測しました。これは、量子モデルの予測が、確立された科学的コンセンサスとほとんど区別がつかないことを意味します。決定的なことに、重い粒子の閾値を扱うために設計された特定の機能を取り除いたところ、モデルの性能は著しく低下しました。このことは、改善が単なる機械学習のプロセスによるものではなく、回路の物理学に基づいた設計から来たものであることを証明しました。モデルは、正しい物理的ルールに従うように与えられたことで、より速く、より正確に学習したのです。

本研究は、通常の数学的ツールがしばしば苦戦する、非摂動論的な世界を記述するための強力な新しい方法を提示していると結論付けています。異なる粒子の生成方法を表現するために、単一の絡み合った量子回路を使用することで、研究者たちはコンパクトかつ極めて正確な統一的記述を作り上げました。この手法は、伝統的な物理学に取って代わるものではなく、むしろハドロン化の複雑な構造を符号化するための、新しい効率的なツールを提供するものです。それは、粒子衝突の理解の未来が、量子力学の深い物理学的洞察と機械学習の柔軟性を組み合わせたハイブリッド・システムにあり、それによって科学者が物質の基本構成要素間の隠れたつながりを、かつてない透明さで明らかにできる可能性を示唆しています。