[论文解读] Application of a Quantum Search Algorithm to High- Energy Physics Data at the Large Hadron Collider

Anthony E. Armenàkas, O. K. Baker|arXiv (Cornell University)|Oct 1, 2020

Particle physics theoretical and experimental studies参考文献 9被引用 5

一句话总结

该论文首次将格罗弗的量子搜索算法应用于大型强子对撞机的高能物理数据，利用ATLAS开放数据识别底夸克衰变至四个轻子的稀有事件。该算法在经典模拟中以100%的准确率成功定位目标事件，并在真实IBM量子处理器上表现出可行性能，尽管存在退相干效应，证明了量子计算在高能物理数据分析中的可行性。

ABSTRACT

We demonstrate a novel method for applying a scientific quantum algorithm - the Grover Algorithm (GA) - to search for rare events in proton-proton collisions at 13 TeV collision energy using CERN's Large Hadron Collider. The search is of an unsorted database from the ATLAS detector in the form of ATLAS Open Data. As indicated by the Higgs boson decay channel $H ightarrow ZZ^* ightarrow 4l$, the detection of four leptons in one event may be used to reconstruct the Higgs boson and, more importantly, evince Higgs boson decay to some new phenomena, such as $H ightarrow ZZ_d ightarrow 4l$. In searching the dataset for collisions resulting in the detection of four leptons, the study demonstrates the effectiveness and potential of applying quantum computing to high-energy particle physics. Using a Jupyter Notebook, a classical simulation of GA, and multiple quantum computers, each with several qubits, it is demonstrated that this application makes the proper selection in the unsorted dataset. The implementation of the method on several classical simulators and on several of IBM's quantum computers using the IBM Qiskit Open Source Software exhibits the promising prospects of quantum computing in high-energy physics.

研究动机与目标

• 探索将量子搜索算法应用于大型强子对撞机的非结构化、高容量高能物理数据集的可行性。
• 解决在海量背景数据中高效识别稀有事件（如Higgs玻色子衰变为四个轻子）的挑战。
• 证明格罗弗算法可被适配至真实世界的高能物理数据格式，并在量子模拟器和物理量子处理器上执行。
• 评估量子退相干对算法性能的影响，并通过优化编码探索缓解策略。

提出的方法

• 使用格罗弗算法将Higgs玻色子衰变搜索问题映射为一个量子无结构搜索问题，将事件数据编码为量子比特态。
• 使用Python中的Qiskit实现该算法，并在经典模拟器和IBM的真实量子处理器（如ibmq_16_melbourne）上执行。
• 设计了两种编码方案：一种为主方案，另一种为优化版本，以减少门数并最小化误差累积。
• 利用振幅放大技术提高测量到对应四个轻子末态的正确事件态的概率。
• 通过目标态的峰值概率测量成功度，比较模拟器与真实量子硬件的结果。
• 分析了单量子比特（U2）和CNOT门误差等误差源，并量化其对退相干和性能下降的影响。

实验结果

研究问题

• RQ1 格罗弗的量子搜索算法能否有效应用于大型强子对撞机的真实世界非排序高能物理数据集？
• RQ2 当前噪声中等规模量子（NISQ）设备上的量子退相干如何影响稀有高能物理事件量子搜索的性能？
• RQ3 与标准编码相比，优化的量子电路编码在多大程度上可减少误差累积并提高量子搜索结果的保真度？
• RQ4 量子计算能否显著加速在大规模数据集中识别稀有Higgs玻色子衰变特征（如H → 4l）？
• RQ5 将经典高能物理数据分析工作流转化为适合量子算法执行的量子兼容格式面临哪些实际挑战？

主要发现

• 格罗弗算法在经典模拟中成功以100%的准确率识别出正确的四个轻子事件，证实了该方法的理论有效性。
• 在真实IBM量子硬件上，该算法仍以高概率识别出目标态，尽管由于量子退相干导致峰值放大程度降低。
• 第二种编码方案通过减少量子门数量，显著提升了模拟器与真实设备结果之间的保真度。
• 单量子比特（U2）和CNOT门的误差被确定为性能下降的关键因素，其累积效应随电路长度增加而加剧。
• 本研究证明，通过精心设计编码和误差感知的架构，即使在当前的噪声量子处理器上，量子搜索也可有效应用于真实高能物理数据。
• 结果表明，未来基于量子增强的数据分析流程有望显著加速大型强子对撞机中稀有事件的探测，尤其是在硬件性能提升和误差缓解技术改进的背景下。