L'Institut chinois de physique des hautes énergies (IHEP) de Pékin est pionnier dans les approches innovantes en matière d'informatique quantique et d'apprentissage automatique quantique pour ouvrir de nouvelles voies de recherche dans le cadre de son programme de physique des particules, ainsi que Hideki Ōkawa, Weidong Li ainsi que Jun Cao expliquer
L'Institut de physique des hautes énergies (IHEP), qui fait partie de l'Académie chinoise des sciences, est le plus grand laboratoire de sciences fondamentales de Chine. Il héberge un programme de recherche multidisciplinaire couvrant la physique des particules élémentaires, l'astrophysique ainsi que la planification, la conception et la construction de projets d'accélérateurs à grande échelle, notamment la source de neutrons de spallation de Chine, lancée en 2018, et la source de photons à haute énergie, qui devrait être lancée. en ligne en 2025.
Alors que les investissements dans l'infrastructure expérimentale de l'IHEP ont considérablement augmenté au cours des 20 dernières années, le développement et l'application des technologies d'apprentissage automatique quantique et d'informatique quantique sont désormais sur le point de produire des résultats tout aussi ambitieux dans le cadre du programme de recherche de l'IHEP.
Grande science, solutions quantiques
La physique des hautes énergies est le point de rencontre entre la « grande science » et le « mégadonnées ». Découvrir de nouvelles particules et sonder les lois fondamentales de la nature sont des efforts qui produisent des volumes incroyables de données. Le Grand collisionneur de hadrons (LHC) du CERN génère des pétaoctets (1015 octets) de données au cours de ses exécutions expérimentales – qui doivent toutes être traitées et analysées à l’aide du calcul en grille, une infrastructure distribuée qui met en réseau les ressources informatiques du monde entier.
De cette manière, la grille de calcul mondiale du LHC donne à une communauté de milliers de physiciens un accès en temps quasi réel aux données du LHC. Cette grille informatique sophistiquée a joué un rôle fondamental dans la découverte historique du boson de Higgs au CERN en 2012, ainsi que dans d'innombrables autres avancées permettant d'approfondir l'étude du modèle standard de la physique des particules.
Un autre point d’inflexion se profile cependant lorsqu’il s’agit du stockage, de l’analyse et de l’exploitation des mégadonnées en physique des hautes énergies. Le Grand collisionneur de hadrons à haute luminosité (HL-LHC), qui devrait entrer en service en 2029, créera un « problème informatique » car la luminosité intégrée de la machine, proportionnelle au nombre de collisions de particules qui se produisent dans un laps de temps donné. , augmentera d'un facteur 10 par rapport à la valeur nominale du LHC – tout comme les flux de données générés par les expériences HL-LHC.
CERN QTI : exploiter la grande science pour accélérer l’innovation quantique
À court terme, une nouvelle « base de référence informatique » sera nécessaire pour faire face à la demande croissante de données du HL-LHC – une base de référence qui nécessitera l'exploitation à grande échelle d'unités de traitement graphique pour une simulation, un enregistrement et un retraitement de données massivement parallèles. , ainsi que les applications classiques de l'apprentissage automatique. Le CERN, pour sa part, a également établi une feuille de route à moyen et long terme qui rassemble les communautés de la physique des hautes énergies et de la technologie quantique via l'Initiative de technologie quantique du CERN (QTI), reconnaissant qu'un autre bond en avant dans les performances informatiques est en vue. avec l’application des technologies de l’informatique quantique et des réseaux quantiques.
Retour aux bases quantiques
Les ordinateurs quantiques, comme leur nom l’indique, exploitent les principes fondamentaux de la mécanique quantique. Semblables aux ordinateurs classiques, qui s'appuient sur des bits binaires prenant la valeur 0 ou 1, les ordinateurs quantiques exploitent les bits binaires quantiques, mais comme une superposition d'états 0 et 1. Cette superposition, associée à l'intrication quantique (corrélations entre bits quantiques), permet en principe aux ordinateurs quantiques d'effectuer certains types de calculs beaucoup plus rapidement que les machines classiques – par exemple, les simulations quantiques appliquées à divers domaines de la chimie quantique et de la cinétique des réactions moléculaires.
Bien que les opportunités pour la science et l’économie au sens large semblent convaincantes, l’un des principaux problèmes d’ingénierie associés aux premiers ordinateurs quantiques est leur vulnérabilité au bruit ambiant. Les qubits sont trop facilement perturbés, par exemple par leurs interactions avec le champ magnétique terrestre ou les champs électromagnétiques parasites des téléphones mobiles et des réseaux WiFi. Les interactions avec les rayons cosmiques peuvent également être problématiques, tout comme les interférences entre qubits voisins.
La solution idéale – une stratégie appelée correction d’erreurs – consiste à stocker les mêmes informations sur plusieurs qubits, de sorte que les erreurs soient détectées et corrigées lorsqu’un ou plusieurs qubits sont affectés par du bruit. Le problème de ces ordinateurs quantiques dits tolérants aux pannes est qu’ils nécessitent un grand nombre de qubits (de l’ordre des millions), ce qui est impossible à mettre en œuvre dans les architectures quantiques à petite échelle de la génération actuelle.
Au lieu de cela, les concepteurs des ordinateurs NISQ (Noisy Intermediate-Scale Quantum) actuels peuvent soit accepter les effets du bruit tels qu'ils sont, soit récupérer partiellement les erreurs de manière algorithmique - c'est-à-dire sans augmenter le nombre de qubits - dans un processus appelé atténuation des erreurs. Plusieurs algorithmes sont connus pour conférer une résilience au bruit dans les ordinateurs quantiques à petite échelle, de sorte qu’un « avantage quantique » peut être observable dans des applications spécifiques de physique des hautes énergies malgré les limites inhérentes aux ordinateurs quantiques de la génération actuelle.
L’un de ces axes de recherche à l’IHEP se concentre sur la simulation quantique, en appliquant les idées initialement avancées par Richard Feynman autour de l’utilisation de dispositifs quantiques pour simuler l’évolution temporelle des systèmes quantiques – par exemple, en chromodynamique quantique sur réseau (QCD). Pour le contexte, le modèle standard décrit toutes les interactions fondamentales entre les particules élémentaires en dehors de la force gravitationnelle – c'est-à-dire liant ensemble les forces électromagnétiques, faibles et fortes. De cette manière, le modèle comprend deux ensembles de théories dites de champ de jauge quantique : le modèle Glashow-Weinberg-Salam (fournissant une description unifiée des forces électromagnétiques et faibles) et le QCD (pour les forces fortes).
Il est généralement vrai que les théories des champs de jauge quantique ne peuvent pas être résolues analytiquement, la plupart des prédictions d'expériences étant dérivées de méthodes d'approximation par amélioration continue (également connues sous le nom de perturbation). À l'heure actuelle, les scientifiques de l'IHEP travaillent à la simulation directe de champs de jauge avec des circuits quantiques dans des conditions simplifiées (par exemple, dans des dimensions d'espace-temps réduites ou en utilisant des groupes finis ou d'autres méthodes algébriques). De telles approches sont compatibles avec les itérations actuelles des ordinateurs NISQ et représentent un travail fondamental pour une mise en œuvre plus complète de la QCD sur réseau dans un avenir proche.
Le simulateur quantique QuIHEP
Dans le prolongement de son ambitieux programme de R&D quantique, l'IHEP a créé QuIHEP, une plateforme de simulation informatique quantique qui permet aux scientifiques et aux étudiants de développer et d'optimiser des algorithmes quantiques pour les études de recherche en physique des hautes énergies.
Pour plus de clarté, les simulateurs quantiques sont des cadres informatiques classiques qui tentent d'émuler ou "simuler » le comportement des ordinateurs quantiques. La simulation quantique, quant à elle, utilise du matériel informatique quantique réel pour simuler l'évolution temporelle d'un système quantique – par exemple les études QCD sur réseau de l'IHEP (voir texte principal).
En tant que tel, QuIHEP offre un environnement de développement convivial et interactif qui exploite les clusters de calcul haute performance existants pour simuler jusqu'à environ 40 qubits. La plateforme fournit une interface de composition pour l'éducation et l'introduction (démontrant, par exemple, comment les circuits quantiques sont construits visuellement). L'environnement de développement est basé sur le logiciel open source Jupyter et combiné à un système d'authentification des utilisateurs IHEP.
À court terme, QuIHEP s'associera à des ressources informatiques quantiques distribuées dans toute la Chine pour établir une infrastructure de recherche harmonisée. L’objectif : soutenir la collaboration industrie-université ainsi que l’éducation et la formation en sciences et ingénierie quantiques.
Apprentissage automatique : la voie quantique
Un autre thème de recherche quantique à l’IHEP concerne l’apprentissage automatique quantique, qui peut être regroupé en quatre approches distinctes : CC, CQ, QC, QQ (avec C – classique ; Q – quantique). Dans chaque cas, la première lettre correspond au type de données et la seconde au type d’ordinateur qui exécute l’algorithme. Le système CC, par exemple, utilise pleinement les données et les ordinateurs classiques, tout en exécutant des algorithmes d'inspiration quantique.
Le cas d’utilisation le plus prometteur étudié à l’IHEP concerne cependant la catégorie CQ de l’apprentissage automatique, dans laquelle le type de données classique est cartographié et entraîné dans des ordinateurs quantiques. La motivation ici est qu’en exploitant les principes fondamentaux de la mécanique quantique – le grand espace de Hilbert, la superposition et l’intrication – les ordinateurs quantiques seront capables d’apprendre plus efficacement à partir d’ensembles de données à grande échelle pour optimiser les méthodologies d’apprentissage automatique qui en résultent.
Pour comprendre le potentiel d’avantage quantique, les scientifiques de l’IHEP travaillent actuellement à la « redécouverte » de la particule exotique Z.c(3900) utilisant l’apprentissage automatique quantique. En ce qui concerne l’histoire : Zc(3900) est une particule subatomique exotique composée de quarks (les éléments constitutifs des protons et des neutrons) et considérée comme le premier état tétraquark observé expérimentalement – une observation qui, ce faisant, a approfondi notre compréhension de la QCD. La particule a été découverte en 2013 par le détecteur du spectromètre de Pékin (BESIII) du collisionneur électron-positon de Pékin (BEPCII), avec une observation indépendante par l'expérience Belle du laboratoire japonais de physique des particules KEK.
Innovations du banc d'essai de QUANT-NET : réinventer le réseau quantique
Dans le cadre de cette étude R&D, une équipe dirigée par Jiaheng Zou de l'IHEP et comprenant des collègues de l'Université du Shandong et de l'Université de Jinan, a déployé l'algorithme dit Quantum Support Vector Machine (une variante quantique d'un algorithme classique) pour la formation le long de avec signaux simulés de Zc(3900) et des événements sélectionnés au hasard à partir des données réelles BESIII comme arrière-plans.
Grâce à l’approche d’apprentissage automatique quantique, les performances sont compétitives par rapport aux systèmes d’apprentissage automatique classiques – mais, surtout, avec un ensemble de données de formation plus petit et moins de fonctionnalités de données. Des recherches sont en cours pour démontrer une sensibilité accrue des signaux grâce à l’informatique quantique, travaux qui pourraient à terme ouvrir la voie à la découverte de nouvelles particules exotiques lors d’expériences futures.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://physicsworld.com/a/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science/
