北京pk10开奖直播 > 物理 >

与标准对应物不同北京pk10官网

2019-05-12 22:51:00 物理78℃
编辑:卢本伟

  理工学院和南大学(USC)的研究人员报告了量子计算在物理问题上的首次应用。通过采用量子兼容机器学习技术,他们开发了一种从大量噪声数据中提取稀有希格斯玻色子信号的方法。希格斯是预测会使基本粒子充满质量的粒子,并于2012年在大型强子对撞机中被发现。新的量子机器学习方法即使在小型数据集中也能表现良好,与标准对应物不同。

  尽管物理学在量子计算中发挥着核心作用,但到目前为止,物理学研究人员尚未通过量子计算技术解决任何问题。在这项新工作中,研究人员通过编程量子退火炉(一种只能运行优化任务的量子计算机)来成功地提取有关希格斯粒子的有意义信息,以便对有误差的粒子测量数据进行分类。理工学院的物流学教授Maria Spiropulu构思了该项目,并与量子机器学习方法的Daniel Lidar和南大学的Viterbi工程教授合作,他也是理工学院物理系的杰出摩尔学者。 ,数学和天文学。

  量子程序在数据集中寻找模式来告诉垃圾中有意义的数据。它有望用于高能物理之外的问题。10月19日在Nature上发表的一篇论文详细介绍了该计划的细节以及与现有技术的比较。

  用于分类数据的流行计算技术是神经网络方法,其以提取数据集内的模糊模式的效率而闻名。由神经网络识别的模式难以解释,因为分类过程没有它们是如何被发现的。导致更好的可解释性的技术通常更容易出错并且效率更低。

  “高能物理学中的一些人正在超越神经网络,但神经网络对于物理学家来说并不容易解释,”南大学物理系研究生Joshua Job说,他是该论文的合着者,也是理工学院的客座学生。新的量子程序是“一种简单的机器学习模型,可以获得与更复杂的模型相媲美的结果而不会失去稳健性或可解释性,”Job说。

  利用现有技术,分类的准确性很大程度上取决于训练集的大小和质量,训练集是数据集的手动排序部分。这对于高能物理研究来说是个问题,因为高能物理研究围绕着大量噪声数据中的罕见事件。“大型强子对撞机产生大量事件,粒子物理学家必须查看小数据包才能找出哪些有趣,北京pk10官网,”约翰说。新的量子程序“更简单,只需很少的训练数据,甚至可能更快。我们通过包括兴奋状态获得了这一点,”Spiropulu说。

  量子系统的激发态具有导致输出误差的过剩能量。“令人惊讶的是,使用激发态,次优解决方案实际上是有利的,”Lidar说。

  “为什么会出现这种情况,我们只能推测。但有一个原因可能是我们必须解决的真正问题在量子退火炉上无法准确表示。因此,次优解决方案可能更接近事实,”利达尔说。 。

  以量子退火器可以理解的方式对问题进行建模证明是一个重大挑战,分分彩计划。Spiropulu的前研究生,理工学院的Alex Mott(博士15)成功地解决了这个问题,他现在在DeepMind工作。“编程量子计算机与编程经典计算机根本不同。就像直接编码位一样。整个问题必须立即编码,然后按编程运行一次,”莫特说。

  尽管有所改进,但研究人员并没有断言量子退火炉是优越的。Spiropulu说,目前可用的只是“不够大,甚至不足以编码难以证明任何优势的物理问题”。

  “这是因为我们将千位量子位 - 量子位信息 - 与十亿个晶体管进行比较,”理工学院高能物理学博士后学者Jean-Roch Vlimant说。“模拟退火的复杂性将在某些时候爆炸,我们希望量子退火也能提供加速,”Vlimant说。

  研究人员正在积极寻求新的量子退火分类技术的进一步应用。“通过将相同的方法应用于计算生物学中的问题,我们能够在完全不同的应用领域中展示出非常相似的结果,”Lidar说。“还有另一个使用这种方法进行粒子改进的项目,我们正在寻找新的方法来检查带电粒子,”Vlimant说。

  “这项工作的结果是基于物理学的机器学习方法,可以使广泛的科学和其他应用受益,”Spiropulu说。她总结道:“在这个新兴的跨学科科学和技术领域,有许多令人兴奋的工作和发现。”

搜索
网站分类