[論文レビュー] A Digital Quantum Algorithm for Jet Clustering in High-Energy Physics

Diogo Pires, P. Bargassa+2 more|arXiv (Cornell University)|Jan 11, 2021

Quantum Computing Algorithms and Architecture参考文献 16被引用数 11

ひとこと要約

本論文は、高エネルギー物理学における最初のデジタル量子アルゴリズムを提示する。このアルゴリズムは、振幅符号化とSwapTestを用いて、粒子運動量とジェット重心間の二乗ユークリッド距離を計算する、修正された量子k-meansアプローチを採用している。アルゴリズムは、古典的$k_t$アルゴリズムと比較して93.3％のクラスタリング効率を達成し、$K < \log N$の場合に優れたスケーリングを示しており、将来の高光度衝突型加速器環境における量子優位性の可能性を示している。

ABSTRACT

Experimental High-Energy Physics (HEP), especially the Large Hadron Collider (LHC) programme at the European Organization for Nuclear Research (CERN), is one of the most computationally intensive activities in the world. This demand is set to increase significantly with the upcoming High-Luminosity LHC (HL-LHC), and even more in future machines, such as the Future Circular Collider (FCC). As a consequence, event reconstruction, and in particular jet clustering, is bound to become an even more daunting problem, thus challenging present day computing resources. In this work, we present the first digital quantum algorithm to tackle jet clustering, opening the way for digital quantum processors to address this challenging problem. Furthermore, we show that, at present and future collider energies, our algorithm has comparable, yet generally lower complexity relative to the classical state-of-the-art $k_t$ clustering algorithm.

研究の動機と目的

• HL-LHCおよび将来のFCC環境下でのジェットクラスタリングの計算負荷の増大に対処すること。
• 古典的手法（例：$k_t$クラスタリング）の複雑さとスケーラビリティを上回るデジタル量子アルゴリズムの開発。
• 量子並列処理と振幅符号化を活用して、ジェット再構築における量子優位性を実現すること。
• Qiskitを用いた古典的シミュレーションを通じて、クラスタリング効率とジェット多重度を$k_t$ベンチマークと比較し、量子アルゴリズムのパフォーマンスを検証すること。
• ジェットクラスタリング、外れ値処理、ピルアップ低減といった複雑な高エネルギー物理学タスクに対する量子アルゴリズムの実現可能性を検討すること。

提案手法

• 粒子運動量とジェット重心を振幅符号化することで、量子k-meansアルゴリズムをジェットクラスタリング問題に適応する。
• 状態の重なり測定を用いて、粒子運動量とクラスタ重心間の二乗ユークリッド距離を計算するためのSwapTest量子サブルーチンを用いる。
• 制御SWAP操作とアタシリアキュービットの測定を用いて、$||\vec{p}_i - \mu_k||^2$を抽出する距離計算を実装する。
• Groverの探索を用いて、各粒子の最も近い重心を効率的に特定し、探索複雑度を$O(K)$から$O(\sqrt{K})$に低減する。
• $k_t$クラスタリングのパrameter（例：$p_T$カットオフ）を量子回路に埋め込み、古典的ベンチマークと公平な比較を可能にする。
• IBMのQiskitフレームワークを用いた古典的シミュレーションを通じて、$e^+e^-$および$pp$イベントサンプルにおけるパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 デジタル量子アルゴリズムは、ジェット再構築において古典的$k_t$アルゴリズムと同等またはそれ以上のクラスタリング効率を達成できるか？
• RQ2 特に$K < \log N$の場合に、量子k-meansアプローチは古典的$k_t$クラスタリングと比較して、より優れたスケーリング複雑度を示すか？
• RQ3 異なる$p_T$カットオフにおいて、量子アルゴリズムのジェット多重度および構成の一貫性は、$k_t$ベンチマークとどの程度一致するか？
• RQ4 シリアンス（Silhouette）という評価指標が、アルゴリズムが$k_t$と比較してより少ないジェットを生成する傾向をどのように影響するか？
• RQ5 量子アルゴリズムは、ジェットクラスタリング、外れ値検出、ピルアップ低減といった複雑な高エネルギー物理学タスクに効果的に適応可能か？

主な発見

• 量子k-meansアルゴリズムは、$p_T$カットオフ8 GeVで、古典的$k_t$アルゴリズムと比較して93.3％のクラスタリング効率を達成した。
• より低い$p_T$カットオフ1 GeVでも、90.2％の高い効率を維持しており、さまざまなジェット多重度にわたる頑健性が示された。
• 量子アルゴリズムが検出するジェット数と$k_t$ベンチマークとの間に強い相関が観察された。特に低$p_T$カットオフで顕著であった。
• 量子アルゴリズムは$k_t$と比較して、特に$K=2$構成を好む傾向があり、これはシリアンス評価指標の影響による可能性がある。
• $K < \log N$の場合に、$k_t$と比較してより優れた漸近的スケーリングを示しており、将来の高エネルギー領域における量子優位性の可能性を示唆している。
• Qiskitによる古典的シミュレーションは、量子回路設計の実現可能性を確認したが、現在のローカルリソースでは本格的な$pp$イベントクラスタリングは計算的に不可能である。