[论文解读] Quantum Computing for High-Energy Physics: State of the Art and Challenges

Alberto Di Meglio, Karl Jansen+44 more|arXiv (Cornell University)|Jan 1, 2023

Quantum Computing Algorithms and Architecture参考文献 394被引用 25

一句话总结

该QC4HEP工作组路线图论文概述了高能物理（HEP）领域近期量子计算的应用，重点聚焦于理论模拟与实验数据分析。论文提出了用于格点场论、拓扑不变量和事例重建的误差缓解量子算法，并针对IBM的100×100量子硬件挑战提供了资源估算，展示了在复杂HEP问题中实现量子优势的潜力。

ABSTRACT

Quantum computers offer an intriguing path for a paradigmatic change of computing in the natural sciences and beyond, with the potential for achieving a so-called quantum advantage—namely, a significant (in some cases exponential) speedup of numerical simulations. The rapid development of hardware devices with various realizations of qubits enables the execution of small-scale but representative applications on quantum computers. In particular, the high-energy physics community plays a pivotal role in accessing the power of quantum computing, since the field is a driving source for challenging computational problems. This concerns, on the theoretical side, the exploration of models that are very hard or even impossible to address with classical techniques and, on the experimental side, the enormous data challenge of newly emerging experiments, such as the upgrade of the Large Hadron Collider. In this Roadmap paper, led by CERN, DESY, and IBM, we provide the status of high-energy physics quantum computations and give examples of theoretical and experimental target benchmark applications, which can be addressed in the near future. Having in mind hardware with about 100 qubits capable of executing several thousand two-qubit gates, where possible, we also provide resource estimates for the examples given using error-mitigated quantum computing. The ultimate declared goal of this task force is therefore to trigger further research in the high-energy physics community to develop interesting use cases for demonstrations on near-term quantum computers.

研究动机与目标

• 识别并优先考虑高能物理领域中具有量子优势潜力的近期量子计算应用。
• 通过识别共享的量子算法方法，弥合理论HEP建模与实验数据分析之间的鸿沟。
• 为格点场论、拓扑不变量和探测器模拟中的量子优势提供具体且具有物理相关性的用例。
• 针对近期设备上的误差缓解量子计算（特别是IBM超导量子比特）提供基准应用的资源估算。
• 为HEP社区建立协作路线图，以在含噪声中等规模量子（NISQ）时代充分利用量子计算。

提出的方法

• 识别关键的HEP问题——如实时动力学、非平衡系统和拓扑项——这些问题是经典蒙特卡罗方法因符号问题而难以处理的。
• 提出变分量子算法（VQAs），包括QAOA和VQE，用于模拟量子场论并计算拓扑不变量。
• 应用量子机器学习技术，如量子生成模型和量子核方法，用于事例重建与数据分析。
• 使用误差缓解技术（例如零噪声外推、对称性验证）提升NISQ设备上的保真度。
• 对基准应用进行资源估算，使用IBM的100×100量子硬件目标，包括量子比特数、电路深度和门数。
• 整合理论与实验HEP领域中的量子算法，实现方法在跨领域间的可转移性。

实验结果

研究问题

• RQ1 哪些HEP问题在经典方法下计算上不可行，但可被近期量子算法解决？
• RQ2 误差缓解的量子算法是否能在格点场论中模拟实时动力学或计算拓扑不变量方面实现量子优势？
• RQ3 在IBM的100×100量子硬件目标上实现关键HEP用例的资源需求（量子比特、深度、门数）是多少？
• RQ4 量子机器学习如何提升高亮度LHC数据和探测器模拟的分析效率？
• RQ5 在量子HEP应用中，理论建模与实验数据处理之间的共享算法路径是什么？

主要发现

• 量子计算为模拟量子场论中的实时动力学与非平衡态动力学提供了可能，而这些过程因符号问题在经典蒙特卡罗方法下难以处理。
• 经过误差缓解的变分量子算法可在少于100个量子比特下实现拓扑不变量计算与格点 gauge 理论模拟的量子优势。
• 针对IBM 100×100硬件目标的基准应用资源估算显示，关键HEP问题——如sphaleron率计算与事例重建——所需物理量子比特少于1000个，且电路深度低于1000个门。
• 量子生成模型与量子核方法在高亮度对撞机实验的事例重建与数据分析中展现出加速潜力。
• 将量子算法整合于理论与实验HEP领域，揭示了强大的可转移性，支持共享算法开发并减少重复工作。
• QC4HEP路线图识别出10至15个具体用例，具有可衡量的量子优势潜力，包括QCD中CP破坏的模拟与拓扑相变。