← 최신 논문
⚛️ 양자물리학

Beauty and charm jet identification with end-to-end training on a superconducting quantum processor

이 논문은 실제 5-큐비트 초전도 양자 프로세서에서 뷰티 및 참 제트를 식별하기 위한 변분 양자 회로의 첫 번째 엔드 투 엔드 학습 및 테스트를 제시하며, 하드웨어 노이즈가 성능을 크게 저하시키지 않음을 입증하고 고에너지 물리학 분류 작업에서의 미래 양자 우위를 위한 길을 열어준다.

원저자: Lucio Anderlini, Pietro Asinari, Gianluca Bertaina, Davide Calonico, Marco Coïsson, Alessio Gianelle, Donatella Lucchesi, Giovanni Passaleva, Matteo Maria Piredda, Lorenzo Sestini, Michele Veltri, Dav
게시일 2026-11-13
📖 3 분 읽기🧠 심층 분석

원저자: Lucio Anderlini, Pietro Asinari, Gianluca Bertaina, Davide Calonico, Marco Coïsson, Alessio Gianelle, Donatella Lucchesi, Giovanni Passaleva, Matteo Maria Piredda, Lorenzo Sestini, Michele Veltri, Davide Zuliani

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

고에너지 입자 물리학의 세계에서 과학자들은 초기 우주의 조건을 재현하기 위해 양성자를 빛의 속도에 가깝게 충돌시킵니다. 이러한 충돌이 발생하면 제트라고 불리는 입자의 분출물이 생성됩니다. 대부분의 제트는 평범하지만, 일부는 뷰티(beauty) 및 참(charm) 쿼크라고 알려진 무겁고 수명이 짧은 입자에서 기원합니다. 이들 헤비 쿼크(heavy quarks)로부터 나온 제트를 식별하는 것은 자연의 근본적인 법칙을 검증하는 데 매우 중요하지만, 이는 믿기 힘들 정도로 어려운 작업입니다. 헤비 쿼크는 너무 빨리 붕괴하기 때문에 그 제트는 더 가벼운 입자에서 나온 것과 매우 유사해 보이며, 연구자들은 이들을 구별하기 위해 수백 가지의 미묘한 단서들을 걸러내야 합니다. 수십 년 동안 이것은 강력한 고전 컴퓨터와 고급 인공지능의 몫이었으나, 이제 새로운 질문이 등장했습니다. 정보를 근본적으로 다른 방식으로 처리하는 신흥 기술인 양자 컴퓨팅이 이 문제를 해결하는 데 도움을 줄 수 있을까요?

이탈리아의 한 연구팀은 이러한 헤비 플레이버(heavy-flavor) 제트를 식별하도록 양자 컴퓨터를 훈련시킴으로써 그 질문에 답하기 위한 중요한 발걸음을 내디뎠습니다. 그들은 단순히 일반 컴퓨터로 과정을 시뮬레이션한 것이 아니라, 실제 물리적인 양자 프로세서에서 전체 훈련 및 테스트 사이클을 실행했습니다. 이 기계는 폴리테크니코 디 토리노(Politecnico di Torino)에 있는 라그랑주(Lagrange)라는 이름의 5-큐비트 초전도 장치입니다. 연구진은 13테라전자볼트(TeV)의 에너지에서의 충돌을 나타내도록 시뮬레이션된 거대 강입자 충돌기(LHC)의 LHCb 실험 데이터를 양자 컴퓨터에 입력했습니다. 그들의 목표는 양자 알고리즘이 뷰티 쿼크로부터 나온 제트와 참 쿼크로부터 나온 제트를 구분하는 법을 배울 수 있는지 확인하는 것이었으며, 현재의 불완전하고 노이즈가 많은 양자 하드웨어 환경에서도 이를 수행할 수 있는지 확인하고자 했습니다.

도전 과제는 상당했습니다. 오늘날의 양자 컴퓨터는 여전히 초기 단계에 있으며, 오류가 발생하기 쉽고 보유할 수 있는 정보의 양이 제한적입니다. 연구진은 사용 가능한 5개의 큐비트에 데이터를 맞추기 위해 이차 붕괴 지점의 질량 및 입자 궤적의 수와 같은 5가지 핵심 특징만으로 제트를 설명하는 복잡한 데이터를 압축해야 했습니다. 그들은 양자 비트를 회전시키고 얽히게 하여 정보를 처리하는 일련의 지침인 특정 양자 회로를 설계했습니다. 고정된 경로를 따르는 표준 컴퓨터와 달리, 이 양자 회로는 기계가 정확도를 높이기 위해 스스로 조정할 수 있는 조절 가능한 손잡이, 즉 매개변수를 가지고 있었습니다. 연구팀은 양자 프로세서가 추측을 하고, 고전 컴퓨터가 그 추측이 얼마나 틀렸는지 계산한 다음, 양자 프로세서가 더 잘 수행하기 위해 자신의 손잡이를 조정하는 루프를 설정했습니다.

결과는 고무적이었습니다. 라그랑주 양자 프로세서에서 전체 훈련 과정을 실행한 후, 기계는 두 유형의 제트를 성공적으로 분리하는 법을 학습했습니다. 양자로 훈련된 모델의 성능은 완벽하고 노이즈가 없는 시뮬레이션에서 훈련된 모델과 놀라울 정도로 유사했습니다. 양자 컴퓨터가 일부 노이즈를 유발하고 결과를 약간 변화시키기는 했지만, 올바른 분류를 수행하는 능력을 파괴하지는 않았습니다. 이 시스템은 이상적인 시뮬레이션과 대등한 수준의 식별력을 달 achievement 했으며, 이는 현재의 장치에 내재된 노이즈가 반드시 양자 기계가 복잡한 물리학 과제를 학습하는 것을 방해하는 것은 아님을 증명했습니다. 수천 번의 계산을 포함한 전체 훈련 과정은 실제 양자 프로세서에서 소요된 시간 기준으로 1시간도 채 걸리지 않았습니다.

이 실험은 중요한 개념 증명 역할을 합니다. 이는 양자 머신러닝 모델의 훈련 과정 전체—초기 설정부터 최종 테스트까지—가 성능 저하 없이 실제의 노이즈가 있는 하드웨어에서 완료될 수 있음을 보여줍니다. 연구진은 또한 더 큰 규모의 기계에서 이러한 작업이 얼마나 걸릴지 예측하는 방법을 개발했으며, 하드웨어 오버헤드가 관리된다는 전제하에 수십 개의 큐비트를 가진 미래의 양자 컴퓨터라면 더 현실적이고 복잡한 데이터를 처리할 수 있을 것이라고 추정했습니다. 이 특정 5-큐비트 기계는 수백 개의 변수를 포함하는 실제 실험의 전체 제트 식별 문제를 해결하기에는 너무 작지만, 이 연구는 나아갈 길을 보여줍니다. 이는 양자 프로세서가 더 커지고 안정됨에 따라, 궁극적으로 가장 진보된 고전 컴퓨터조차도 까다로운 분류 과제를 수행할 수 있는 고에너지 물리학의 새로운 도구가 될 수 있음을 시사합니다.

연구 분야의 논문에 파묻히고 계신가요?

연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.

Digest 사용해 보기 →