A Coherent Memory Register for Sequential Quantum Generative Modeling, with Application to Calorimeter Showers
本文介绍了一种相干记忆玻恩机（CoMB），这是一种顺序量子生成模型，它利用一个包含三个未测量记忆比特的固定六比特寄存器，通过在不要求比特数随图像尺寸缩放的情况下保留图像块间的长程相关性，来高效地模拟量热仪粒子簇射。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在探测宇宙基本组成部分的高能物理实验中，粒子被射向探测器，以观察它们如何破碎和散射。当高能粒子撞击被称为量热仪（calorimeter）的装置时，它并不会简单地停止，而是会触发一系列次级粒子级联——这种“簇射”（shower）会扩散开来，并在数百或数千个微小传感器上沉积能量。模拟这些簇射对于物理学家理解观测结果至关重要，但使用目前最精确的方法进行模拟，其计算成本极其高昂。随着实验规模的扩大和产生的数据量激增，模拟这些粒子簇射所需的时间和能量正威胁着要超越现有的资源。科学家们已转向利用机器学习来创建更快速的捷径，但这些经典的捷径往往需要海量的内存和处理能力，才能捕捉到粒子簇射不同部分之间复杂的关联关系。
来自 DESY 和 RWTH Aachen 大学的研究团队提出了一种使用量子计算机的不同方法。他们并没有试图将探测器中的每一个传感器都映射到量子计算机的一个独立部分，而是开发了一种逐块生成粒子簇射的方法。他们的创新依赖于一个小的、固定大小的量子存储器，该存储器保存着已经生成的“知识”，使得系统能够构建出一个庞大且复杂的图像，而无需一个随图像规模同步增长的量子计算机。这种被称为“相干记忆玻恩机”（coherent-memory Born machine）的方法，成功地在真实的量子处理器上重现了粒子簇射的统计模式，证明了一个微小的量子系统可以承载一个大得多的物理事件中复杂的关联性。
模拟这些粒子簇射的挑战在于，沉积在探测器某一部分的能量与探测器其他部分所沉积的能量有着深刻的联系。这些联系并非随机，而是受物理定律（如能量守恒定律）支配的。为了准确模拟簇射，计算机必须理解一个探测器单元中的波动如何影响远处的单元。传统的量子方法通常需要一个量子寄存器（即量子计算机的内存）随图像的大小而扩展。如果一个簇射触及了一千个单元，量子计算机就需要一千个量子比特（qubit，量子信息的最小单位）。这一要求很快就会超出当前技术的能力范围。其他方法尝试通过经典通道在图像的不同部分之间传递信息，但这实际上破坏了模拟的量子特性，并丢失了使模拟保持准确的那些核心关联。
研究人员通过改变量子计算机“记忆过去”的方式解决了这个问题。他们将粒子簇射图像划分为若干个小块，并逐个生成这些小块。对于每一个小块，量子计算机使用一组固定的六个量子比特。其中三个量子比特用于生成当前的块，另外三个则作为存储器。至关重要的是，这组存储器在整个过程中从未被测量或读取。在量子世界中，测量一个系统会迫使它选择一个确定的状态，从而破坏那些允许复杂关联存在的微妙量子连接。通过保持存储量子比特处于未测量状态，量子计算机让关于前序块的信息保持在“叠加态”（superposition）中——这是一种系统同时持有多种可能性的量子状态。这种未被测量的记忆充当了桥梁，将第一个块的影响一直传递到最后一个块，而从未坍缩成一个简单的经典数值。
团队在一个代表分布在十二个单元中的粒子簇射数据集上测试了这种方法。他们训练量子电路来生成这一序列块，并使用一种特定的学习过程，将生成的模式与真实的模拟数据进行对比。目标不仅是匹配每个单元中的平均能量，还要重现它们之间错综复杂的关联网络。当他们在真实的量子处理器 IBM ibm kingston 上运行模拟时，结果令人瞩目。该模型成功重现了每一个单元的能量分布以及整个簇射的总能量。更重要的是，它捕捉到了相关矩阵（correlation matrix），即能量在单元之间如何相互关联的图谱，包括跨越块边界的复杂模式。
为了证明未被测量的记忆确实是这些关联性的来源，研究人员进行了一项对照实验。他们运行了完全相同的电路，但移除了那三个存储量子比特，保持其他部分不变。在没有记忆的情况下，模型产生的各个块之间是完全独立的。不同部分之间的关联消失了，模型也无法重现数据的复杂结构。这证实了量子存储器是跨块传递信息的唯一媒介。研究表明，一个拥有固定且微小存储器的量子系统，可以表示一个在相同精度下需要经典系统拥有近七倍隐藏状态才能表示的联合概率分布。
研究人员还检查了模型在实际硬件与完美的、无噪声模拟环境下的表现。虽然 IBM 机器上的量子处理器引入了一些误差，导致总能量谱发生了轻微偏移，但关联的基本结构依然保持完整。模型并未崩溃，只是发生了漂移。这表明该架构足够鲁棒，能够承受当前量子设备的缺陷。这项工作表明，模拟这些复杂物理过程的瓶颈并不一定在于量子计算机的大小，而在于维持一个能够连接序列中远距离部分的相干记忆的能力。
这种方法为高能物理提供了一条新的路径。通过将量子寄存器的大小与图像的大小解耦，研究人员证明了利用小型、可控的量子设备来模拟大型复杂系统是可行的。该方法依赖于量子力学特有的能力，即能够将信息保持在一种不被直接观测的状态中，从而使系统能够维持经典计算机难以高效复制的连接。随着量子硬件的不断进步，这项技术将允许物理学家模拟更大、更复杂的粒子簇射，从而在不受数据规模限制的情况下，为深入洞察自然界的基本力开启大门。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。