← 最新论文
⚛️ 量子物理

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

本文展示了在真实的五比特超导量子处理器上,对用于识别美夸克(beauty)和粲夸克(charm)喷注的变分量子电路进行的首次端到端训练与测试,证明了硬件噪声不会显著降低性能,并为未来在高能物理分类任务中实现量子优势铺平了道路。

原作者: Lucio Anderlini, Pietro Asinari, Gianluca Bertaina, Davide Calonico, Marco Coïsson, Alessio Gianelle, Donatella Lucchesi, Giovanni Passaleva, Matteo Maria Piredda, Lorenzo Sestini, Michele Veltri, Dav
发布于 2026-11-13
📖 1 分钟阅读🧠 深度阅读

原作者: 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

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

在高能粒子物理学的世界里,科学家们将质子以接近光速的速度撞击在一起,以重现早期宇宙的条件。当这些碰撞发生时,会产生被称为“喷注”(jets)的粒子喷流。大多数喷注是普通的,但其中一些源自被称为美夸克(beauty quarks)和粲夸克(charm quarks)的重型、短寿命粒子。识别哪些喷注源自这些重夸克对于测试自然界的基本定律至关重要,然而这是一项极其困难的任务。由于重夸克的衰变速度极快,它们的喷注看起来与来自轻粒子的喷注非常相似,这要求研究人员必须从数百个细微的线索中进行筛选,才能将它们区分开来。几十年来,这一直是强大经典计算机和先进人工智能的工作,但一个新的问题出现了:处理信息方式有着本质区别的新兴技术——量子计算,能否帮助解决这个问题?

来自意大利的一个研究小组在回答这个问题方面迈出了重要一步,他们训练了一台量子计算机来识别这些重味喷注。他们不仅仅是在普通计算机上模拟这个过程,而是将整个训练和测试周期都在一台真实的物理量子处理器上运行。这台名为 Lagrange 的五比特超导设备位于都灵理工大学。研究人员将来自大型强子对撞机(LHCb)实验的数据输入到量子计算机中,这些数据经过模拟,代表了能量为 13 兆电子伏特(TeV)的碰撞。他们的目标是观察量子算法是否能够学习区分来自美夸克的喷注和来自粲夸克的喷注,尽管目前的量子硬件具有噪声且并不完美。

挑战是巨大的。当今的量子计算机仍处于婴儿期,容易出错且存储信息的能力有限。研究人员必须将描述喷注的复杂数据压缩成仅有的五个关键特征(例如次级衰变点的质量和粒子轨迹的数量),以便将其放入仅有的五个量子比特中。他们设计了一个特定的量子电路,即一组通过旋转和纠缠量子比特来处理信息的指令集。与遵循固定路径的标准计算机不同,这个量子电路拥有可调节的“旋钮”或参数,机器可以通过调整这些参数来自我优化以提高准确性。团队建立了一个循环:量子处理器做出预测,经典计算机计算该预测错误的程度,然后量子处理器调整其旋钮以做得更好。

他们的发现令人鼓舞。在完全在 Lagrange 量子处理器上运行训练过程后,该机器成功学会了区分这两类喷注。量子训练模型的表现与在完美的、无噪声模拟上训练的模型非常接近。虽然量子计算机确实引入了一些噪声并使结果略有偏移,但它并未破坏进行正确分类的能力。该系统实现的辨别水平与理想模拟相当,证明了当前设备固有的噪声并不一定会阻止量子机器学习复杂的物理任务。涉及数千次计算的整个训练过程,实际在量子处理器上花费的时间不到一小时。

这项实验是一个至关重要的概念验证。它证明了量子机器学习模型的完整工作流——从初始设置到最终测试——可以在真实的、有噪声的硬件上完成,而不会导致性能崩溃。研究人员还开发了一种预测此类任务在更大规模机器上所需时间的方法,估计未来拥有数十个量子比特的量子计算机可以在可行的时间范围内处理更现实、更复杂的数据,前提是管理好硬件开销。虽然这个特定的五比特机器规模太小,无法解决现实实验中存在的完整喷注识别问题(这涉及数百个变量),但该研究展示了前进的道路。它表明,随着量子处理器变得更大、更稳定,它们最终可能为高能物理学提供一种新工具,能够应对即使是最先进的经典计算机也难以处理的分类任务。

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。

试用 Digest →