Lerende kwantummachines blijken veelbelovend bij LHCb-experiment

Een kwantummijlpaal in de hoge-energiefysica: de LHCb-samenwerking bij CERN rapporteert haar eerste werk op het gebied van kwantumrekenen. In een publicatie in het Journal of High Energy Physics beschrijven zij de eerste toepassing van Quantum Machine Learning voor het identificeren van eigenschappen van jets van deeltjes die het resultaat zijn van b-quarks in hoog-energetische deeltjesbotsingen.

Het is het eerste artikel waarin de toepassing van quantumcomputing wordt beschreven voor de identificatie van zogeheten deeltjesjets die afkomstig zijn van beauty-quarks of anti-quarks, een type deeltje dat van bijzonder belang is voor het LHCb-experiment.

Duizelingwekkende aantallen

Het LHCb-experiment is een van de experimenten in de Large Hadron Collider van Cern. Omdat hier elke seconde duizelingwekkende aantallen deeltjesbotsingen plaatsvinden, vertrouwen natuurkundigen steeds vaker op de modernste kunstmatige intelligentie om de specifieke deeltjes te identificeren die hen interesseren. Machine learning heeft zijn plaats verdiend als een belangrijke methode in dit soort werk.

Machine-leren

De auteurs onderzoeken nu het gebruik van Quantum Machine Learning – een nieuwe stap in het vakgebied die gebruik maakt van principes uit de quantumcomputing – om jets te markeren die deeltjes bevatten die van bijzonder belang zijn voor het LHCb-experiment. Aan de hand van gesimuleerde datasets vergelijken de onderzoekers de prestaties van meer klassieke benaderingen met die van kwantum-algoritmen.

In sommige scenario’s presteerden deze vergelijkbaar met hun conventionele tegenhangers. Dit is dan ook een veelbelovende eerste verkenning van wat kwantumalgoritmen zouden kunnen betekenen voor grote natuurkundige experimenten.

Maastricht en Nikhef

Dit werk vertegenwoordigt de eerste toepassing van quantumcomputing voor de identificatie van jets die afkomstig zijn van schoonheidsquarks of anti-quarks. Het werk is uitgevoerd aan de Universiteit van Padua in Italië door de LHCb Data Processing & Analysis Group, waaraan de Universiteit Maastricht deelneemt. Co-correspondent-auteur Davide Nicotra is inmiddels als promovendus in dienst getreden van de Universiteit Maastricht, waar hij verder zal werken aan quantum computing toepassingen voor LHCb deeltjes tracking uitdagingen.