位于中国北京的高能物理研究所正在开拓量子计算和量子机器学习方面的创新方法，为其粒子物理研究开辟新的路径。大川英希、李卫东和曹俊对此进行了解读。
*高能所高性能计算集群（上图）是支持量子模拟器平台QuIHEP的计算资源之一。
中国科学院下属的高能物理研究所是中国最大的基础科学实验室。该实验室主持着多个学科领域的研究计划，涵盖基本粒子物理、天体物理、以及规划、设计和建设基于大型加速器的项目，包括2018年启用的中国散裂中子源，以及预计于2025年投入运行的高能光源。
在过去的20年里，高能物理研究所的实验基础设施投资大幅增加。在这个背景下，对量子机器学习和量子计算技术的开发与应用有望推动高能所的研究项目，并在其中产生深远影响。
大科学，量子解决方案
高能物理是“大科学”与“大数据”交叉的领域，探索新粒子和探究自然基本规律需要基于海量实验数据。欧洲核子研究中心（CERN）的大型强子对撞机（LHC）在实验运行期间产生的数据量达到了PB级（即10的15次方字节），所有这些数据必须依赖全球范围内联网的分布式基础设施，也就是格点计算，来进行处理和分析。
通过这种方式，LHC计算网格为数千名物理学家提供了接近实时的LHC数据访问。这个复杂的计算网格对于2012年由CERN发布的希格斯玻色子重大发现以及其他进一步探索粒子物理标准模型的诸多进展至关重要。
然而，高能物理领域在存储、分析和挖掘大数据方面即将迎来另一个转折点。预计于2029年投入运行的高亮度大型强子对撞机（HL-LHC）将引发一场“计算危机”，因为该机器的积分亮度（与在给定时间内发生的粒子碰撞数量成正比）将增加到LHC设计值的10倍，HL-LHC实验产生的数据量也将相应增加。
在不远的将来，我们将需要一个新的“计算基准”来应对HL-LHC激增的数据需求。这个基准将要求大规模采用图形处理单元进行繁重的并行模拟、数据记录和再处理任务，以及经典机器学习的应用。与此同时，CERN也制定了中长期路线图，通过欧洲核子研究中心量子技术倡议（QTI），将高能物理和量子技术社区联系起来——也就是说CERN认为，随着量子计算和量子网络技术的应用，计算性能将再次迎来新的飞跃。
量子计算基础
量子计算机，顾名思义，利用了量子力学的基本原理。经典计算机依赖于二进制，每一位取值为0或1，与之类似，量子计算机利用量子比特，但它是0态和1态的叠加态。这种叠加态，与量子纠缠（量子位之间的相关性）相结合，原则上使得量子计算机能够比经典计算机更快地执行某些类型的计算，例如在量子化学和分子反应动力学等各个领域中应用的量子模拟。
尽管量子计算在科学和更广泛经济领域的机会看起来引人注目，但仍处于早期的量子计算机却面临一个重要的工程难题，即它们对环境噪声非常敏感。量子比特很容易受到干扰，例如可能会与地磁场、手机和WiFi网络的杂散电磁场产生相互作用。与宇宙射线的相互作用、邻近量子比特之间的干扰也可能带来问题。
理想的解决方案是一种称为错误纠正的策略，它涉及在多个量子比特之间存储相同的信息。这样当一个或多个量子比特受到噪声影响时，系统能够检测并纠正这些错误。这些所谓的容错量子计算机面临的问题是它们需要大量的量子比特（数量达到百万级），而这在当前小规模量子架构中是不可能实现的。
与此相反，当今的“中等规模带噪声量子器件”（NISQ）计算机的设计者可以选择接受噪声效应，或者通过算法部分地修复错误，即在不增加量子比特数量的情况下进行错误抑制。已知有几种算法能够增强小规模量子计算机对噪声的抵抗力，这意味着尽管当代量子计算机存在固有限制，但在特定高能物理应用中仍有可能看到“量子优势”。
高能所的一个研究方向聚焦于量子模拟，例如在格点量子色动力学（LQCD）中使用量子设备模拟量子系统时间演化。相关想法最初由理查德·费曼提出。标准模型描述了除了引力之外的所有基本粒子之间的基本相互作用，将电磁力、弱力和强力联系在一起。这个模型包括两组所谓的量子规范场理论：Glashow–Weinberg–Salam模型（提供了电磁力和弱力的统一描述），以及QCD（用于描述强力）。
通常情况下，量子规范场理论无法被解析求解，大多数实验预测都来自于连续逼近的近似方法（也称为微扰）。目前，高能所的科学家们正在研究在简化条件下（例如，在降维的时空或利用有限群或其他代数方法）通过量子电路直接模拟规范场。这些方法与当前的NISQ计算机兼容，并为将来更完整地实现格点量子色动力学奠定基础。
机器学习：量子实现
IHEP的另一个量子研究主题涉及量子机器学习。量子机器学习可以分为四种不同的研究路径：CC、CQ、QC、QQ（其中C表示经典；Q表示量子）。在每种情况下，第一个字母对应于数据类型，后面的字母对应于运行算法的计算机类型。例如，CC方案充分利用经典数据和经典计算机，尽管运行的是量子启发算法。
*高能所的科学家认为，量子计算将有助于简化HL-LHC等下一代粒子加速器的径迹重建方法。上图：大川英希（右）、邹佳恒（站立）和黄晓忠（左）正在讨论被称为“中国第一台实用量子计算机”的本源量子悟源计算机生成的重建粒子径迹
然而，高能所追求的最有前景的应用案例涉及机器学习的CQ类别。在这类机器学习中，经典数据在量子计算中被映射和训练。这种做法的动机在于，通过充分利用庞大的希尔伯特空间、叠加和纠缠等量子力学的基本原理，量子计算机能够更有效地从大规模数据集中学习，从而优化所产生的机器学习方法。
为了探索量子优势的潜力，高能所的科学家目前正在使用量子机器学习来“重新发现”奇异粒子Zc(3900)。Zc(3900)是一种由夸克（质子和中子的基本组成部分）组成的奇异亚原子粒子。它被认为是实验观察到的第一个四夸克态，加深了我们对QCD的理解。该粒子于2013年由北京电子正负子对撞机（BEPCII）上的北京谱仪（BESIII）探测器发现，同时也被日本KEK粒子物理实验室的Belle实验独立观测到。
*高能所的科学家们正在利用量子机器学习“重新发现”奇异粒子Zc（3900）。Zc(3900)于2013年由高能物理研究所北京正负电子对撞机的BESIII探测器（如上图所示）发现，它是实验观察到的第一个四夸克态亚原子粒子。
在这项研究中，研究团队使用了所谓的量子支持向量机算法（经典支持向量机算法的量子变种）。算法训练所需的信号数据集使用Zc(3900)的模拟数据、本底数据集使用从BESIII真实数据中随机挑选的事例。该团队由高能所邹佳恒领导，其中包括山东大学和济南大学的同事。
通过量子机器学习的方法得到的结果与经典机器学习得到的结果相比具有竞争力。需要特别说明的是，量子机器学习的研究过程中使用了更小的训练数据集和更少的数据特征。为了展示量子计算方法得到的信号灵敏度更高，团队正在进行更深入的研究。这项工作最终可能为未来实验中发现新的奇异粒子指明方向。
QuIHEP量子模拟平台
作为其雄心勃勃的量子研发计划的延伸，高能所建立了QuIHEP量子计算模拟平台，使科研人员和学生能够开发和优化用于高能物理研究的量子算法。
量子模拟器是经典计算框架，试图模拟量子计算机的行为。而量子模拟则利用实际的量子计算硬件来模拟量子系统的时间演化，比如高能物理研究所的格点量子色动力学研究。
QuIHEP提供了一个用户友好且互动式的开发环境，利用现有的高性能计算集群可模拟多达约40个量子比特。该平台提供了一个可用于用户培训和功能介绍的构建界面（例如，直观地演示了量子电路的构建过程）。该开发环境基于Jupyter开源软件，并集成了高能所的用户验证系统。
在不久的将来，QuIHEP将与中国境内的分布式量子计算资源建立联系，建立一个协调一致的研究基础设施。其目标是支持产学研合作，推动量子科学与工程方面的培训和应用研究。
附件下载：
