粒子物理学轮流量子计算的大数据解决方案

实习伯克利实验室铺平道路量子计算项目

周三,2020年1月29日

巨型规模的物理实验是对大数据,并送入强大的计算机复杂的算法和管理数据有其自身独特的挑战,这个质量乘以越来越依赖。

更好地准备这个海量数据的下一代升级和新的实验提出,物理学家正在转向量子计算寻找更快的方法来分析传入的信息的羽翼未丰的领域。

在常规的计算机,存储器需要一个大集合位的形式,并且每个比特仅具有两个值:一个或零,类似于一个开启或关闭位置。在一台量子计算机,同时,数据被存储在量子位,量子位或。一个量子位可以表示一个,一个零,或是在其中既是一个,并在同一时间零的混合状态。

通过充分利用这一点,其他的量子性质,量子计算机通过举办一些问题,这些问题会绊倒即使是世界上最快的超级计算机来处理更大的数据集和快速工作的潜力。对于其他类型的问题,但是,传统的计算机将继续跑赢大市的量子计算机。

高亮度大型强子对撞机(HL-LHC)项目,在欧洲CERN实验室是世界上最大的粒子加速器的计划的升级,将上线在2026年会产生每秒数十亿次粒子事件 - 五到七倍比目前最高速率更多的数据 - 与欧洲核子研究中心正在寻求新的方法来快速,准确地分析这些数据。

在这些粒子事件,带正电荷的亚原子粒子称为质子碰撞,从而产生其它颗粒,包括夸克和胶子的喷雾剂,从碰撞的能量。颗粒之间的相互作用还可以导致其它颗粒 - 如希格斯玻色子 - 弹出进入存在。

跟踪这些粒子的产生和精确的路径(称为“轨道”),因为它们行进通过一个粒子检测器的层 - 同时排除不想要的混乱,或在这些事件中产生的“噪声” - 是在分析碰撞数据密钥。

数据就会像一个巨大的3D连接最点包含许多不同的片段,关于如何连点小指导的难题。

为解决这一下一代的问题,一组学生的研究人员和其他科学家在美国能源的劳伦斯伯克利国家实验室(伯克利实验室)的部门一直在探索各种新的解决方案。

一种这样的方法是开发和测试各种适合于不同类型的量子计算系统的算法。他们的目标是:研究这些技术和方法是否有希望更好更快重建这些粒子轨迹比常规可以在计算机。

粒子探测器通过探测沉积在检测器材料的不同层的能量工作。在检测器数据的分析,研究人员工作以重构通过检测器阵列行进特定粒子的轨迹。计算机算法可通过模式识别有助于此过程中,和粒子的特性可通过连接由检测器收集的个体‘命中’的点并正确地识别单个粒子轨迹进行详细说明。

麻灰, an experimental particle physicist at Berkeley Lab and a UC Berkeley physics professor, leads the 伯克利 Lab-based R&D effort – Quantum Pattern Recognition for High-Energy Physics (HEP.QPR) – that seeks to identify quantum technologies to rapidly perform this pattern-recognition process in very-high-volume collision data. This R&D effort is funded as part of the DOE’s QuantISED (Quantum Information Science Enabled Discovery for High Energy Physics) portfolio.

该hep.qpr项目也更广泛计划的一部分,以提高量子信息科学的研究伯克利实验室和整个美国国家实验室。

该hep.qpr组的其他成员有:瓦希德比姆基,保罗calafiura,WIM lavrijsen,和前博士后研究员illya shapoval,谁探索量子算法联想记忆。比姆基是伯克利实验室的国家能源研究科学计算中心(NERSC)一个大数据架构师。 calafiura是CERN的Atlas实验的首席软件架构师和伯克利实验室的计算研究部门(CRD)的成员。和lavrijsen是CRD软件工程师谁也参与了CERN的Atlas实验。

该hep.qpr项目的成员在东京大学以及加拿大与研究人员合作进行的量子算法在高能物理的发展,共同举办了量子计算在伯克利实验室的小型研讨会于2019年10月。

灰色和calafiura也参与了一个CERN发起竞争,在中期2018推出,即挑战计算机科学家使用模拟组称为trackml HL-LHC数据的开发基于机器学习技术来准确地重建粒子轨道。机器学习是人工智能的一种形式,算法可以类似于人类的学习变得更有效和准确的通过循序渐进的训练过程。在粒子轨道重建伯克利实验室的量子计算的努力还利用此trackml组模拟数据。

伯克利实验室和澳门威尼斯赌场发挥着重要作用量子通过他们在几个量子集中的努力,包括量子信息优势参与计算的迅速发展的领域,一个研究联盟在2019年12月公布。

量子信息边缘国家实验室,大学,以及在全国范围内联合推进产业量子计算系统,以解决科学挑战,维护美国边境领导在新一代信息技术。它是由美国能源部伯克利实验室和桑迪亚国家实验室领导。

谁参与了申请量子计算在粒子物理学的模式识别问题伯克利实验室领导的努力,该系列的下方轮廓三名研究生列出的文章:

露西林德, 而作为在伯克利实验室的一名研究人员,开发了她的硕士论文 - 监督由伯克利实验室的工作人员科学家保罗calafiura - 关于所谓的量子退火寻找粒子轨迹量子计算技术的潜在应用。她处远程d波系统公司访问的量子计算的机器。在加拿大和在新墨西哥州的洛斯阿拉莫斯国家实验室。

林德的做法是,以第一格式的粒子轨道模拟数据作为一些被称为一个QUBO(二次无约束二进制优化)问题,即配制的问题,与二进制值的等式:要么是1或0。这也QUBO帮助格式化用量子退火炉,其采用量子比特来帮助通过应用描述对象如何自然而然地寻求最低可能的能量状态的物理学原理找出最佳的解决方案准备用于分析的数据。 阅读更多。

埃里克ROHM, 本科就读于伯克利实验室的合同为美国能源部科学本科实验室实习计划的一部分上工作,开发了利用量子计算资源在加州伯克利rigetti计算量子近似优化算法(qaoa)。他被伯克利实验室的物理学家麻灰监督。

这种方法所用的常规和量子计算技术的共混物开发自定义算法。该算法,仍然在改进方案中,已经在rigetti量子虚拟机,该模拟一台量子计算机的常规计算机上进行测试。该算法可能最终会配备有实际一个量子位的量子rigetti处理单元上进行测试。 阅读更多。

阿米塔布·亚达夫, 自从11月在伯克利实验室的学生研究助理谁是灰色和伯克利实验室的软件工程师WIM lavrijsen监督,正在申请称为惯例技术的量子版本Hough变换使用IBM的量子经验,一种形式的识别和重构粒子轨迹量子计算。

经典hough变换技术可用于检测特定的功能,如直线,曲线和圆点复杂的图案,和Hough变换技术可能潜在地从呈指数更大的数据集召唤出更复杂的形状的量子。 阅读更多。

编辑: 
格伦·罗伯茨JR。
研究领域: