北京にある中国の高エネルギー物理学研究所 (IHEP) は、量子コンピューティングと量子機械学習における革新的なアプローチを開拓し、素粒子物理学プログラム内で新たな研究経路を開拓しています。 大川秀樹, 李偉東 & ジュン・カオ 説明します
中国科学院の一部である高エネルギー物理学研究所 (IHEP) は、中国最大の基礎科学研究所です。素粒子物理学、天体物理学にまたがる学際的な研究プログラムを主催しているほか、2018年に打ち上げられた中国破砕中性子源や、今後立ち上がる予定の高エネルギー光子源などの大規模加速器プロジェクトの計画、設計、建設も行っている。 2025年にはオンライン化。
IHEP の実験インフラストラクチャへの投資は過去 20 年間で劇的に増加しましたが、量子機械学習および量子コンピューティング技術の開発と応用は、現在、IHEP 研究プログラム内で同様に広範囲にわたる成果を生み出す準備が整っています。
ビッグサイエンス、量子ソリューション
高エネルギー物理学は、「ビッグサイエンス」と「ビッグデータ」が出会う場所です。新しい粒子を発見し、自然の基本法則を調査することは、信じられないほどの量のデータを生み出す取り組みです。 CERN の大型ハドロン衝突型加速器 (LHC) はペタバイト (10 ペタバイト) を生成します。15 実験実行中のデータはすべて、世界中のコンピューティング リソースをネットワーク化する分散インフラストラクチャであるグリッド コンピューティングの助けを借りて処理および分析する必要があります。
このようにして、Worldwide LHC Computing Grid により、数千人の物理学者のコミュニティが LHC データにほぼリアルタイムでアクセスできるようになります。その洗練されたコンピューティング グリッドは、2012 年の CERN でのヒッグス粒子の画期的な発見や、素粒子物理学の標準模型をさらに調査するためのその他の無数の進歩の基礎となりました。
しかし、高エネルギー物理学におけるビッグデータの保存、分析、マイニングに関しては、別の変曲点が迫っています。 2029 年に運用開始が予定されている高輝度大型ハドロン衝突型加速器 (HL-LHC) は、一定時間内に発生する粒子衝突の数に比例して、マシンの総合的な輝度が増加するため、「コンピューティング クランチ」が発生します。 、HL-LHC 実験によって生成されるデータ ストリームと同様に、LHC の設計値と比較して 10 倍に増加します。
CERN QTI: ビッグサイエンスを活用して量子イノベーションを加速
短期的には、HL-LHC の急増するデータ需要に対処するために、新しい外観の「コンピューティング ベースライン」が必要になります。このベースラインには、大規模な並列シミュレーション、データの記録、再処理のためのグラフィックス プロセッシング ユニットの大規模な活用が必要になります。 、機械学習の古典的な応用も同様です。 CERN もまた、CERN 量子技術イニシアチブ (QTI) を通じて高エネルギー物理学と量子技術コミュニティを統合する中長期ロードマップを確立しました。これは、コンピューティング パフォーマンスのさらなる飛躍が視野に入ってきているという認識です。量子コンピューティングと量子ネットワーク技術を応用して。
量子の基本に戻る
量子コンピューターは、その名前が示すように、量子力学の基本原理を活用しています。 0 または 1 のいずれかの値を取るバイナリ ビットに依存する古典的なコンピュータと同様に、量子コンピュータは量子バイナリ ビットを 0 と 1 の状態の重ね合わせとして利用します。この重ね合わせと量子もつれ (量子ビット間の相関) を組み合わせることで、原理的には、量子コンピューターは、量子化学や分子反応速度学のさまざまな分野に適用される量子シミュレーションなど、ある種の計算を古典的なマシンよりも大幅に高速に実行できるようになります。
科学と経済全体にとってチャンスは魅力的であるように見えますが、初期段階の量子コンピューターに関連するエンジニアリング上の大きな悩みの 1 つは、環境ノイズに対する脆弱性です。量子ビットは、たとえば、地球の磁場や携帯電話や WiFi ネットワークからの漂遊電磁場との相互作用によって非常に簡単に妨害されます。隣接する量子ビット間の干渉と同様に、宇宙線との相互作用も問題となる可能性があります。
理想的な解決策 (誤り訂正と呼ばれる戦略) には、複数の量子ビットにわたって同じ情報を保存することが含まれます。これにより、1 つ以上の量子ビットがノイズの影響を受けたときに誤りが検出され、修正されます。これらのいわゆるフォールトトレラント量子コンピューターの問題は、大量の量子ビット (数百万単位) が必要であることです。これは、現世代の小規模量子アーキテクチャーでは実装が不可能です。
代わりに、今日のノイズの多い中間スケール量子 (NISQ) コンピューターの設計者は、ノイズの影響をそのまま受け入れるか、エラー軽減として知られるプロセスで、アルゴリズム的に (つまり、量子ビットの数を増やさずに) エラーを部分的に回復することができます。小規模量子コンピューターにノイズに対する耐性を与えるアルゴリズムがいくつか知られており、現行世代の量子コンピューターには固有の制限があるにもかかわらず、特定の高エネルギー物理アプリケーションでは「量子の利点」が観察できる可能性があります。
IHEP におけるそのような研究分野の 1 つは、量子シミュレーションに焦点を当てており、量子システムの時間発展をシミュレーションするための量子デバイスの使用に関してリチャード・ファインマンによって最初に提唱されたアイデアを適用しています (たとえば、格子量子色力学 (QCD) など)。文脈として、標準モデルは、重力とは別に、素粒子間のすべての基本的な相互作用、つまり電磁力、弱い力と強い力を結び付けるものを記述します。このように、モデルはいわゆる量子ゲージ場の理論の 2 つのセット、つまり Glashow-Weinberg-Salam モデル (電磁力と弱い力の統一的な記述を提供する) と QCD (強い力の場合) で構成されます。
一般に、量子ゲージ場の理論は解析的に解くことができず、実験の予測のほとんどは連続改善近似法 (摂動とも呼ばれる) から導出されます。現在、IHEPスタッフの科学者らは、簡略化された条件下（例えば、時空次元を縮小したり、有限群やその他の代数的手法を利用したり）で量子回路を用いてゲージ場を直接シミュレーションすることに取り組んでいる。このようなアプローチは、NISQ コンピューターの現在の反復と互換性があり、近い将来の格子 QCD のより完全な実装に向けた基礎的な作業となります。
QuIHEP量子シミュレータ
IHEP は、その野心的な量子研究開発プログラムの延長として、科学者や学生が高エネルギー物理学の研究研究用の量子アルゴリズムを開発および最適化できる量子コンピューティング シミュレータ プラットフォームである QuIHEP を設立しました。
明確にするために、量子シミュレーターは、エミュレートまたはエミュレートしようとする古典的なコンピューティング フレームワークです。 「シミュレートする 量子コンピューターの動作。一方、量子シミュレーションは、実際の量子コンピューティング ハードウェアを利用して、量子システムの時間発展をシミュレートします。たとえば、IHEP での格子 QCD 研究です (本文を参照)。
そのため、QuIHEP は、既存の高性能コンピューティング クラスターを活用して最大約 40 量子ビットをシミュレートする、ユーザーフレンドリーでインタラクティブな開発環境を提供します。このプラットフォームは、教育と導入のためのコンポーザー インターフェイスを提供します (たとえば、量子回路が視覚的に構築される方法をデモンストレーションします)。開発環境はオープンソース ソフトウェアの Jupyter をベースとし、IHEP ユーザー認証システムと組み合わせています。
短期的には、QuIHEP は中国全土に分散された量子コンピューティング リソースと連携して、調和のとれた研究インフラを確立する予定です。目標は、量子科学と工学における産学連携と教育と訓練を支援することです。
機械学習: 量子の方法
IHEP のもう 1 つの量子研究テーマには、量子機械学習が含まれます。これは、CC、CQ、QC、QQ (C – 古典、Q – 量子) という 4 つの異なるアプローチに分類できます。いずれの場合も、最初の文字はデータの種類に対応し、後者はアルゴリズムを実行するコンピューターの種類に対応します。たとえば、CC スキームは古典的なデータと古典的なコンピューターを完全に活用していますが、量子にヒントを得たアルゴリズムが実行されます。
ただし、IHEP で追求されている最も有望なユースケースには、古典的なデータ型が量子コンピューターでマッピングおよびトレーニングされる機械学習の CQ カテゴリが含まれます。ここでの動機は、量子力学の基礎である大ヒルベルト空間、重ね合わせ、もつれを利用することで、量子コンピューターが大規模なデータセットからより効果的に学習して、結果として得られる機械学習方法論を最適化できるようになるということです。
量子の利点の可能性を理解するために、IHEP の科学者たちは現在、エキゾチック粒子 Z の「再発見」に取り組んでいます。c(3900) 量子機械学習を使用します。バックストーリーに関して：Zc(3900) はクォーク (陽子と中性子の構成要素) で構成されるエキゾチックな素粒子で、実験的に観察された最初のテトラクォーク状態であると考えられています。この観察により、その過程で QCD についての理解が深まりました。この粒子は2013年に北京電子陽電子衝突型加速器（BEPCII）の北京分光器（BESIII）検出器によって発見され、日本のKEK素粒子物理学研究所のBelle実験による独立した観測も行われた。
QUANT-NET のテストベッドのイノベーション: 量子ネットワークの再考
この研究開発研究の一環として、IHEPのJiaheng Zou氏が率いるチームは、山東大学と済南大学の同僚を含む、いわゆる量子サポートベクターマシンアルゴリズム（古典的アルゴリズムの量子変形）をトレーニングに導入した。 Z のシミュレートされた信号を使用c(3900) と実際の BESIII データからランダムに選択されたイベントを背景として使用します。
量子機械学習アプローチを使用すると、従来の機械学習システムと比べてパフォーマンスが向上しますが、重要なのは、トレーニング データセットが小さく、データ特徴が少ないことです。量子コンピューティングによる信号感度の向上を実証するための研究が進行中であり、最終的には将来の実験で新たなエキゾチック粒子の発見への道を示す可能性があります。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源： https://physicsworld.com/a/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science/
