Veliki hadronski sudarač (LHC) ponovno je pokrenut u proljeće 2022. nakon tri godine održavanja.
Metode kvantnog strojnog učenja već sukorišteni su u fizici čestica za rješavanje problema klasifikacije događaja i rekonstrukcije tragova čestica, ali je tim bio prvi koji ih je upotrijebio za identificiranje naboja hadronskog mlaza. Kako bi to učinili, znanstvenici su razvili varijacijski kvantni klasifikator temeljen na dvije različite kvantne sheme.
Fizičari su koristili kvantni simulator zausporediti učinkovitost nove metode i trenutno korištenih dubokih neuronskih mreža. Ispostavilo se da je kvantni sklop još uvijek malo inferioran u performansama, ali razlika nije velika.
Izvedba različitih algoritama uovisno o transverzalnoj količini gibanja mlaza. DNN - tradicionalno duboko učenje, Angle Emb. i Amplituda Amb. — kvantni sklopovi. Slika: Alessio Gianelle et al., Journal of High Energy Physics
U isto vrijeme, nova metoda koja koristi kvantnemreže postižu optimalnu izvedbu s manje događaja. To će pomoći u smanjenju upotrebe resursa za obradu ogromnih tokova podataka primljenih na LHC. U isto vrijeme, kada se koristi veliki broj funkcija, duboko strojno učenje još uvijek nadmašuje kvantne algoritme. Znanstvenici vjeruju da će se to promijeniti kako učinkovitiji kvantni hardver postane dostupan.
Istraživači su također otkrili taj kvantumalgoritmi omogućuju proučavanje korelacija između funkcija. Ovo je neophodno za dobivanje informacija o korelacijama komponenti mlaza. Stoga će kvantna analiza poboljšati identifikaciju okusa hadronskog mlaza.
Korištenje kvantnog strojnog učenja do sadaje u povojima, kažu autori. Kako fizičari stječu iskustvo s kvantnim računalstvom, trebalo bi očekivati radikalna poboljšanja hardvera i računalne tehnologije.
Čitaj više:
Uskoro će solarna oluja pogoditi Zemlju: materijal leti brzinom od 800 km / s
Znanstvenici su snimili čudno stvorenje s pipcima koje su zamijenili za cvijet
Rusija napušta ISS: što će se sada dogoditi i zašto je održavanje postaje ugroženo