近日，中国科学院高能物理研究所大川英希研究员和深圳量子科学与工程研究院翁文康教授团队合作，成功将量子退火启发式算法应用于环形正负电子对撞机（CEPC）快速模拟数据的多喷注重建中。早前该团队已将该算法应用于粒子径迹重建，在保持高重建效率与纯度的同时，较模拟退火算法（D-Wave Neal）实现约万倍加速，受到国外媒体关注。相关论文”Quantum-annealing-inspired algorithms for multijet clustering” 已于2025年4月1日发表在Physics Letters B杂志上（H Okawa, XZ Tao, QG Zeng, MH Yung, Phys. Lett. B, 864, (2025) 139393）.
喷注重建是一种聚类问题，也是高能对撞机的数据处理过程中的关键组成部分，旨在识别源自夸克与胶子碎裂强子化产生的准直粒子群。这一复杂的组合优化问题通常需要大量的计算资源。在本项研究中，研究团队将喷注重建转化为二次无约束二元优化（QUBO）问题（等价于Ising问题），并引入了新的量子退火启发式算法，用于在CEPC快速模拟事例中对多喷注进行聚集。其中一种受量子退火启发的算法——弹道模拟分岔算法（ballistic simulated bifurcation; bSB），有效克服了此前量子退火方法在多喷注聚类中的瓶颈。研究团队发现，QUBO矩阵中定义的距离和QUBO求解器的预测能力对多喷注聚类性能都有至关重要的影响（图1）。
在此背景下，量子退火启发式算法，尤其是模拟分岔算法（图2），因其在解决组合优化问题上的高效表现而受到关注。该算法模拟了一个经典的非线性哈密顿系统的演化过程，并将伊辛模型编码到系统最终状态，以获得问题的近似最优解。与真实量子计算机算法不同，模拟分岔算法不仅不受“量子比特数量”的限制，能够直接处理大规模数据集，而且适合在GPU和FPGA等硬件平台上实现并行计算。
多喷注全局重建需计算所有粒子流候选间的距离，因此其QUBO矩阵通常为全连接（即所有元素非零），与径迹重建中稀疏QUBO矩阵形成鲜明对比。全连接QUBO的基态预测极具挑战性，导致此前量子算法在多喷注重建中表现不佳。然而，本研究表明，高性能QUBO求解器（尤其是bSB）能够突破这一限制。即使在高连通性QUBO条件下，bSB仍展现出强大的组合优化能力。这种基于bSB的全局重建有望将多喷注情况下的不变质量分辨率提高7%（图3，ttbar事例）。本项研究开辟了基于量子启发算法的全局重建多喷注新方法，突破了传统迭代方法的局限。
论文链接：https://doi.org/10.1016/j.physletb.2025.139393
既往径迹重建论文链接：https://doi.org/10.1007/s41781-024-00126-z
图1：显示来自ttbar事例，其中喷注由bSB算法重建（a），或者使用既往研究的距离定义进行模拟退火算法（b）。每个圆圈代表一个粒子流候选，其大小与能量成正比。每种颜色对应一个单独的喷注。
图2：演示模拟分岔算法求解简单的两个自旋Ising模型，其中x和y轴表示两个自旋变量的值，z轴表示能量。
图3：用传统方法（FastJet）或bSB重建的具有喷注的顶夸克的不变质量。
附件下载：
