Ограниченные квантовые компьютеры можно использовать при анализе данных экспериментов на ускорителях элементарных частиц, что поможет находить следы определенных частиц, например, бозона Хиггса. Первая в своем роде работа выполнена на компьютере компании D-Wave и не дает явного преимущества по сравнению с обычными вычислениями, но авторы утверждают, что машинное обучение позволит обогнать классические методы, особенно в случае будущих экспериментов с еще большими объемами данных. Статья с результатами опубликована в журнале Nature. Крупные ускорители частиц, такие как Большой адронный коллайдер, производят огромные объемы данных, которые довольно сложно обрабатывать. Частично это связано с тем, что на БАК сталкиваются протоны, которые состоят из кварков и глюонов. Это приводит к появлению сотен «осколков» — вылетающих во все стороны разнообразных частиц, тип которых зависит от родившихся в столкновении. Чтобы ускорить обработку этих данных, физики тренируют на модельных данных алгоритмы машинного обучения для поиска определенных частиц, например, фотонов, которые образуются в результате распада бозона Хиггса. У одного из участников эксперимента CMS на БАК — Марии Спиропулу — возникла идея проверить, помогут ли квантовые компьютеры ускорить этот процесс, уменьшив необходимое для обучения алгоритма количество данных. «Я хотела проверить, можно ли таким способом решить проблему бозона Хиггса, потому что я знала, что это за проблема», — комментирует Спиропулу. Ученые приспособили процесс обучения для компьютера D-Wave, который реализует алгоритм квантовой симуляции отжига, то есть находит оптимальное решение задач определенного класса путем перехода системы сверхпроводящих кубитов в состояние с наименьшей энергией. В результате удалось получить необходимый для анализа данных критерий с использованием намного меньшей обучающей выборки. «Мы можем обучать на небольших наборах данных и находить оптимальные решения», — подытоживает Спиропулу.
