近日，北京大学周辰助理教授、清华大学刘东副教授、中国科学院高能物理研究所阮曼奇研究员与其合作者在高能物理与量子计算的交叉领域取得了一项重要突破。他们首次将量子近似优化算法（QAOA）应用于高能物理实验中的喷注聚类问题。这一研究成果不仅展示了量子计算在高能物理中的巨大潜力，也为未来量子计算在基础科学中的实际应用开辟了新的道路。
量子计算是一种基于量子力学原理的新型计算方式，它利用量子比特（qubit）的叠加态和纠缠态，能够在某些特定问题上实现远超经典计算机的计算能力。近年来，量子计算在优化问题、机器学习等领域展现出了巨大的潜力。
喷注聚类是高能物理数据分析中的关键步骤，尤其是在研究希格斯玻色子等基本粒子的性质时，精确的喷注聚类能够帮助科学家更好地理解粒子对撞的物理过程。然而，随着对撞能量的提高和数据量的增加，传统的喷注聚类算法面临着计算复杂度高、耗时长等问题。在本项研究中，科学家们将量子近似优化算法（QAOA）应用于喷注聚类问题。QAOA是一种量子算法，专门用于解决组合优化问题。它的核心思想是通过量子态的演化，逐步逼近问题的最优解。研究团队将粒子对撞事件映射为一个图结构：图中的每个节点代表一个粒子，节点之间的边代表粒子之间的距离。通过这种方式，喷注聚类问题被转化为一个图分割问题，即如何将图中的节点分成若干组，使得组间的连接权重最大。
在本项研究中，研究团队首先在量子计算机模拟器上进行了实验，并发现，随着量子算法深度（层数）的增加，喷注聚类的精度显著提高。此外，研究还发现，节点连接数（k值）对算法性能也有重要影响。为了验证量子算法在实际硬件上的可行性，研究团队还在BAQIS Quafu量子计算云平台上进行了实验。实验表明，量子硬件在处理小型问题时，表现与无噪声的量子模拟器相当，展示了当前量子硬件的实用性。
这项研究展示了量子计算在高能物理中的实际应用潜力，为未来的科学研究和技术发展提供了新的方向。在未来，量子计算将在更多领域带来革命性的突破。相关论文“A Novel Quantum Realization of Jet Clustering in High-Energy Physics Experiments（高能物理中喷注重建的一种新颖量子实现）”已在Science Bulletin 2025年第4期上发表。
图1，量子近似优化算法在喷注重建中的应用。（a）正负电子对撞产生大量稳定的末态粒子。（b）对撞事例表示为图，其中粒子表示为图的节点，粒子之间的距离表示为节点之间的边。（c）构建量子线路。（d）根据超导量子芯片的拓扑结构及其支持的量子门编译量子线路。（e）得到由量子模拟器、量子硬件、经典的喷注重建算法以及k均值聚类上的喷注重建结果。其中纵轴表示重建出的喷注与对应夸克的夹角，夹角越小表示重建效果越好
论文链接：https://doi.org/10.1016/j.scib.2024.12.020
附件下载：
