一台简陋的量子计算机重新发现了希格斯玻色子。某种程度上是这样。
物理学家一直在努力开发能够利用量子力学技巧来加速计算的机器。但他们也希望这种量子计算机能够反过来帮助他们发现新的自然规律。
现在，一个团队已经证明，量子电路可以学习筛选来自原子撞击实验的大量数据，以寻找新的粒子。他们的原理验证研究——使用量子计算公司 D-Wave 构建的机器，该公司致力于现在广为人知的希格斯玻色子案例——尚未提供优于传统技术的明显优势。但作者表示，当量子机器学习在未来的实验中可能会发挥作用，届时数据量将会更大。他们的研究于 10 月 18 日发表在《自然》杂志上1。
支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
纽约大学的物理学家 Kyle Cranmer 没有参与这项工作，他说，看到量子机器应用于实际的物理问题令人耳目一新——而不是通常的数学问题，例如将整数分解为质数。“在此之前，人们意识到这可能在将来会变得相关，”他说。“这让它看起来好像可能确实如此。”
最优解
2012 年，欧洲核子研究中心 (CERN) 的大型强子对撞机 (LHC) 的两项实验（欧洲高能物理实验室，位于瑞士日内瓦附近）宣布他们已经证明了希格斯玻色子的存在，这是粒子物理学标准模型中最后缺失的一块。被称为 CMS 和 ATLAS 的两项实验发现了玻色子的证据，该玻色子是在质子碰撞中产生的，其证据来自希格斯玻色子衰变成更常见的粒子（例如高能光子对）的方式。但是，每次 LHC 碰撞两个质子时，都会产生数百个其他粒子，其中一些粒子在撞击探测器时可能会被误解为光子。
为了帮助加速他们对希格斯玻色子的搜索，ATLAS 和 CMS 物理学家使用模拟数据来训练机器学习算法，以区分麦子和谷壳——光子和冒充者。
最近，粒子物理学家 Maria Spiropulu 曾帮助领导 CMS 的希格斯玻色子搜索，她想知道量子计算机是否可以帮助提高训练过程的效率，特别是通过减少训练系统所需的模拟数据量。“我想看看它是否可以解决希格斯问题，因为我了解希格斯问题，”Spiropulu 说，她目前在帕萨迪纳的加州理工学院工作。
她的合作者 Alex Mott 是一位物理学家，现在在伦敦的 DeepMind 工作，他将学习过程转化为 D-Wave 构建的“量子退火”计算机可以计算的东西，D-Wave 总部位于加拿大本拿比。这种类型的机器通过允许编码量子信息的超导环路落入其最低能量状态来找到某些问题的最优解。
其想法是让量子机器找到最优标准，然后普通计算机可以使用这些标准在真实数据中寻找希格斯玻色子的光子特征。为了测试他们的理论，该团队获得了在洛杉矶南加州大学的 D-Wave 机器的使用权。Spiropulu 说，实验是成功的：“我们可以使用小数据集进行训练并找到最优解。”
研究人员没有使用这些标准来重新发现希格斯玻色子——因为他们不需要这样做。数据分析专家 Cranmer 说，证明这是可能的才是他们工作中“最酷的部分”，他曾帮助领导 ATLAS 合作组织的希格斯玻色子搜索。
超越物理学
不要指望物理学家会立即转向量子计算机：到目前为止，该机器的性能尚未优于 Spiropolu 及其团队在传统计算机上运行的虚拟版本。Cranmer 说，要证明这些技术比某些现有的机器学习算法更有效率，还有很长的路要走，这些算法能够在相对较小的数据集上进行训练。Spiropulu 对此表示赞同，并补充说，有必要将各种方法相互测试，以查看哪种方法是最佳的。
但结果可能会对物理学以外的领域产生影响。Davide Venturelli 是一位为非营利组织大学空间研究协会工作并在加利福尼亚州山景城的 NASA Ames 研究中心工作的物理学家，他管理着一个项目，该项目使世界各地的实验者可以使用 Ames 的 D-Wave 机器（由谷歌和 NASA 联合运营）。他说，从地球科学到生物信息学等领域的研究人员对使用量子退火器感兴趣，特别是对于机器学习应用。
“有趣的是，整个事情都奏效了，”Mott 说。
本文经许可转载，并于2017 年 10 月 19 日首次发表。