Institut Fisika Energi Tinggi Tiongkok (IHEP) di Beijing memelopori pendekatan inovatif dalam komputasi kuantum dan pembelajaran mesin kuantum untuk membuka jalur penelitian baru dalam program fisika partikelnya, sebagai Hideki Okawa, Weidong Li dan Juni Cao menjelaskan
Institut Fisika Energi Tinggi (IHEP), bagian dari Akademi Ilmu Pengetahuan Tiongkok, adalah laboratorium sains dasar terbesar di Tiongkok. Universitas ini menjadi tuan rumah program penelitian multidisiplin yang mencakup fisika partikel dasar, astrofisika, serta perencanaan, desain, dan konstruksi proyek akselerator skala besar – termasuk Sumber Neutron Spallasi Tiongkok, yang diluncurkan pada tahun 2018, dan Sumber Foton Energi Tinggi, yang akan segera hadir. daring pada tahun 2025.
Meskipun investasi pada infrastruktur eksperimental IHEP telah meningkat secara dramatis selama 20 tahun terakhir, pengembangan dan penerapan teknologi pembelajaran mesin kuantum dan komputasi kuantum kini siap untuk menghasilkan hasil serupa dalam program penelitian IHEP.
Sains besar, solusi kuantum
Fisika energi tinggi adalah tempat bertemunya “ilmu pengetahuan besar” dengan “data besar”. Menemukan partikel baru dan menyelidiki hukum dasar alam merupakan upaya yang menghasilkan data dalam jumlah yang luar biasa. Large Hadron Collider (LHC) di CERN menghasilkan petabyte (1015 bytes) data selama percobaan berlangsung – yang semuanya harus diproses dan dianalisis dengan bantuan komputasi grid, sebuah infrastruktur terdistribusi yang menghubungkan sumber daya komputasi di seluruh dunia.
Dengan cara ini, Worldwide LHC Computing Grid memberi komunitas ribuan fisikawan akses hampir real-time ke data LHC. Jaringan komputasi canggih tersebut merupakan hal mendasar bagi penemuan penting Higgs boson di CERN pada tahun 2012 serta banyak kemajuan lainnya untuk menyelidiki lebih jauh Model Standar fisika partikel.
Namun, titik perubahan lain akan segera terjadi ketika menyangkut penyimpanan, analisis, dan penambangan data besar dalam fisika energi tinggi. High-Luminosity Large Hadron Collider (HL-LHC), yang diperkirakan mulai beroperasi pada tahun 2029, akan menciptakan “computing crunch” sebagai luminositas terintegrasi mesin, sebanding dengan jumlah tumbukan partikel yang terjadi dalam jangka waktu tertentu. , akan meningkat sebesar 10 kali lipat dibandingkan nilai desain LHC – seperti halnya aliran data yang dihasilkan oleh eksperimen HL-LHC.
CERN QTI: memanfaatkan ilmu pengetahuan besar untuk mempercepat inovasi kuantum
Dalam waktu dekat, “dasar komputasi” dengan tampilan baru akan diperlukan untuk mengatasi lonjakan permintaan data HL-LHC – sebuah dasar yang memerlukan eksploitasi unit pemrosesan grafis dalam skala besar untuk simulasi paralel besar-besaran, perekaman data, dan pemrosesan ulang. , serta aplikasi klasik pembelajaran mesin. CERN juga telah menetapkan peta jalan jangka menengah dan panjang yang menyatukan komunitas fisika energi tinggi dan teknologi kuantum melalui CERN Quantum Technology Initiative (QTI) – sebuah pengakuan bahwa lompatan lain dalam kinerja komputasi akan segera terlihat. dengan penerapan komputasi kuantum dan teknologi jaringan kuantum.
Kembali ke dasar-dasar kuantum
Komputer kuantum, sesuai dengan namanya, memanfaatkan prinsip dasar mekanika kuantum. Mirip dengan komputer klasik, yang mengandalkan bit biner yang mengambil nilai 0 atau 1, komputer kuantum mengeksploitasi bit biner kuantum, tetapi sebagai superposisi keadaan 0 dan 1. Superposisi ini, ditambah dengan keterjeratan kuantum (korelasi antar bit kuantum), pada prinsipnya memungkinkan komputer kuantum melakukan beberapa jenis penghitungan secara signifikan lebih cepat dibandingkan mesin klasik – misalnya, simulasi kuantum yang diterapkan di berbagai bidang kimia kuantum dan kinetika reaksi molekuler.
Meskipun peluang bagi ilmu pengetahuan dan perekonomian yang lebih luas tampak menarik, salah satu permasalahan teknis terbesar yang terkait dengan komputer kuantum tahap awal adalah kerentanannya terhadap kebisingan lingkungan. Qubit sangat mudah terganggu, misalnya karena interaksinya dengan medan magnet bumi atau medan elektromagnetik yang menyimpang dari ponsel dan jaringan WiFi. Interaksi dengan sinar kosmik juga bisa menjadi masalah, begitu pula interferensi antar qubit yang bertetangga.
Solusi ideal – sebuah strategi yang disebut koreksi kesalahan – melibatkan penyimpanan informasi yang sama di beberapa qubit, sehingga kesalahan akan terdeteksi dan diperbaiki ketika satu atau lebih qubit terkena dampak kebisingan. Masalah dengan apa yang disebut komputer kuantum yang toleran terhadap kesalahan ini adalah kebutuhannya akan qubit dalam jumlah besar (sekitar jutaan) – sesuatu yang tidak mungkin diterapkan dalam arsitektur kuantum skala kecil generasi saat ini.
Sebaliknya, para perancang komputer Noisy Intermediate-Scale Quantum (NISQ) saat ini dapat menerima efek kebisingan sebagaimana adanya atau memulihkan sebagian kesalahan secara algoritmik – yaitu tanpa menambah jumlah qubit – dalam proses yang dikenal sebagai mitigasi kesalahan. Beberapa algoritme diketahui memberikan ketahanan terhadap kebisingan pada komputer kuantum skala kecil, sehingga “keunggulan kuantum” dapat diamati dalam aplikasi fisika energi tinggi tertentu meskipun terdapat keterbatasan yang melekat pada komputer kuantum generasi saat ini.
Salah satu bidang penelitian di IHEP berfokus pada simulasi kuantum, menerapkan ide-ide yang awalnya dikemukakan oleh Richard Feynman seputar penggunaan perangkat kuantum untuk mensimulasikan evolusi waktu sistem kuantum – misalnya, dalam kisi kromodinamika kuantum (QCD). Untuk konteksnya, Model Standar menjelaskan semua interaksi mendasar di antara partikel-partikel elementer selain gaya gravitasi – yaitu mengikat gaya elektromagnetik, lemah, dan kuat. Dengan cara ini, model tersebut terdiri dari dua rangkaian yang disebut teori medan pengukur kuantum: model Glashow–Weinberg–Salam (memberikan deskripsi terpadu tentang gaya elektromagnetik dan gaya lemah) dan QCD (untuk gaya kuat).
Biasanya teori medan pengukur kuantum tidak dapat diselesaikan secara analitis, dan sebagian besar prediksi eksperimen berasal dari metode pendekatan perbaikan berkelanjutan (juga dikenal sebagai perturbasi). Saat ini, staf ilmuwan IHEP sedang mengerjakan simulasi langsung bidang pengukur dengan sirkuit kuantum dalam kondisi yang disederhanakan (misalnya, dalam dimensi ruang-waktu yang diperkecil atau dengan memanfaatkan grup hingga atau metode aljabar lainnya). Pendekatan tersebut kompatibel dengan iterasi komputer NISQ saat ini dan mewakili pekerjaan dasar untuk implementasi kisi QCD yang lebih lengkap dalam waktu dekat.
Simulator kuantum QuIHEP
Sebagai perpanjangan dari program penelitian dan pengembangan kuantum yang ambisius, IHEP telah mendirikan QuIHEP, sebuah platform simulator komputasi kuantum yang memungkinkan para ilmuwan dan mahasiswa mengembangkan dan mengoptimalkan algoritma kuantum untuk studi penelitian dalam fisika energi tinggi.
Untuk lebih jelasnya, simulator kuantum adalah kerangka komputasi klasik yang mencoba meniru atau "mensimulasikan" perilaku komputer kuantum. Simulasi kuantum, di sisi lain, menggunakan perangkat keras komputasi kuantum aktual untuk mensimulasikan evolusi waktu sistem kuantum – misalnya studi kisi QCD di IHEP (lihat teks utama).
Dengan demikian, QuIHEP menawarkan lingkungan pengembangan yang ramah pengguna dan interaktif yang memanfaatkan cluster komputasi berkinerja tinggi yang ada untuk mensimulasikan hingga sekitar 40 qubit. Platform ini menyediakan antarmuka komposer untuk pendidikan dan pengenalan (menunjukkan, misalnya, bagaimana sirkuit kuantum dibangun secara visual). Lingkungan pengembangan didasarkan pada perangkat lunak sumber terbuka Jupyter dan dikombinasikan dengan sistem otentikasi pengguna IHEP.
Dalam waktu dekat, QuIHEP akan terhubung dengan sumber daya komputasi kuantum yang terdistribusi di seluruh Tiongkok untuk membangun infrastruktur penelitian yang harmonis. Tujuannya: untuk mendukung kolaborasi industri-akademisi serta pendidikan dan pelatihan dalam sains dan teknik kuantum.
Pembelajaran mesin: cara kuantum
Tema penelitian kuantum lainnya di IHEP melibatkan pembelajaran mesin kuantum, yang dapat dikelompokkan menjadi empat pendekatan berbeda: CC, CQ, QC, QQ (dengan C – klasik; Q – kuantum). Dalam setiap kasus, huruf pertama sesuai dengan tipe data dan huruf terakhir sesuai dengan tipe komputer yang menjalankan algoritma. Skema CC, misalnya, sepenuhnya memanfaatkan data klasik dan komputer klasik, meskipun menjalankan algoritma yang terinspirasi dari kuantum.
Namun, kasus penggunaan paling menjanjikan yang dilakukan di IHEP melibatkan kategori pembelajaran mesin CQ, di mana tipe data klasik dipetakan dan dilatih dalam komputer kuantum. Motivasinya di sini adalah dengan memanfaatkan dasar-dasar mekanika kuantum – ruang Hilbert yang besar, superposisi, dan keterjeratan – komputer kuantum akan dapat belajar lebih efektif dari kumpulan data berskala besar untuk mengoptimalkan metodologi pembelajaran mesin yang dihasilkan.
Untuk memahami potensi keunggulan kuantum, para ilmuwan IHEP saat ini sedang berupaya “menemukan kembali” partikel eksotik Zc(3900) menggunakan pembelajaran mesin kuantum. Dari segi latar belakang: Zc(3900) adalah partikel subatomik eksotik yang terdiri dari quark (bahan penyusun proton dan neutron) dan diyakini sebagai keadaan tetraquark pertama yang diamati secara eksperimental – sebuah pengamatan yang, dalam prosesnya, memperdalam pemahaman kita tentang QCD. Partikel tersebut ditemukan pada tahun 2013 oleh detektor Beijing Spectrometer (BESIII) di Beijing Electron–Positron Collider (BEPCII), dengan observasi independen oleh eksperimen Belle di laboratorium fisika partikel KEK Jepang.
Inovasi QUANT-NET yang telah diuji: menata ulang jaringan kuantum
Sebagai bagian dari studi R&D ini, sebuah tim yang dipimpin oleh Jiaheng Zou dari IHEP, dan termasuk rekan-rekannya dari Universitas Shandong dan Universitas Jinan, menerapkan apa yang disebut algoritma Quantum Support Vector Machine (varian kuantum dari algoritma klasik) untuk pelatihan bersama dengan sinyal simulasi Zc(3900) dan peristiwa yang dipilih secara acak dari data BESIII nyata sebagai latar belakang.
Dengan menggunakan pendekatan pembelajaran mesin kuantum, kinerjanya lebih kompetitif dibandingkan sistem pembelajaran mesin klasik – meskipun, yang terpenting, dengan kumpulan data pelatihan yang lebih kecil dan fitur data yang lebih sedikit. Investigasi sedang berlangsung untuk menunjukkan peningkatan sensitivitas sinyal dengan komputasi kuantum, pekerjaan yang pada akhirnya dapat menunjukkan jalan bagi penemuan partikel eksotik baru dalam eksperimen di masa depan.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
- PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
- PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- Sumber: https://physicsworld.com/a/ihep-seeks-quantum-opportunities-to-fast-track-fundamental-science/
