Velký hadronový urychlovač (LHC) byl po třech letech údržby znovu spuštěn na jaře 2022.
Metody kvantového strojového učení již existujíbyly použity v částicové fyzice k řešení problémů klasifikace událostí a rekonstrukcí stop částic, ale tým byl první, kdo je použil k identifikaci náboje hadronového výtrysku. K tomu vědci vyvinuli variační kvantový klasifikátor založený na dvou různých kvantových schématech.
Fyzici k tomu použili kvantový simulátorporovnat efektivitu nové metody a aktuálně používaných hlubokých neuronových sítí. Ukázalo se, že kvantový obvod je výkonově stále o něco horší, ale rozdíl není velký.
Výkon různých algoritmů vv závislosti na příčné hybnosti výtrysku. DNN - tradiční hluboké učení, Angle Emb. a Amplitude Amb. — kvantové obvody. Obrázek: Alessio Gianelle et al., Journal of High Energy Physics
Zároveň nová metoda využívající kvantasítě dosahují optimálního výkonu s menším počtem událostí. To pomůže snížit využití zdrojů ke zpracování obrovských datových toků přijatých na LHC. Při použití velkého množství funkcí přitom hluboké strojové učení stále překonává kvantové algoritmy. Vědci věří, že se to změní, až bude k dispozici efektivnější kvantový hardware.
Vědci také zjistili, že kvantumalgoritmy umožňují studovat korelace mezi funkcemi. To je nezbytné pro získání informací o korelacích složek trysky. A proto kvantová analýza zlepší identifikaci chuti hadronového jetu.
Dosud pomocí kvantového strojového učeníje v plenkách, říkají autoři. S tím, jak fyzici získávají zkušenosti s kvantovými výpočty, je třeba očekávat radikální vylepšení hardwaru a výpočetní technologie.
Přečtěte si více:
Brzy zasáhne Zemi sluneční bouře: materiál letí rychlostí 800 km/s
Vědci natočili podivného tvora s chapadly, které si spletli s květinou
Rusko opouští ISS: co se nyní stane a proč je ohrožena údržba stanice