近日，北京大學核物理與核技術國家重點實驗室的周辰團隊和中國科學院高能物理研究所方亞泉團隊合作，在環形正負電子對撞機的希格斯物理的模擬分析中，嘗試基于國產的量子計算機，利用量子支持向量機(QSVM)的ML算法，分析希格斯粒子衰變到雙光子過程，達到了與傳統SVM類似的敏感度;并且，基于國產量子計算機硬件的結果與國際上同類量子計算機的結果也是可比的。研究結果作為首篇利用國產量子計算機硬件實施高能物理QML物理分析研究的期刊論文“Application of quantum machine learning in a Higgs physics study at the CEPC”，發表于International Journal of Modern Physics A。
此外，合作研究團隊還成功開發調試了先進機器學習算法Transformer/ParticleTransformer的量子化算法。上述研究對QAI在高能物理面向未來的應用，對高能物理領域算力的解決具有重要參考價值，對突破卡脖子技術的壁壘，實現關鍵技術的自主研發有重要的現實意義。
高能對撞機大科學裝置通常會產生海量的碰撞數據，大數據可能引發出對大模型的需求。可以預計，隨著近年來生成式模型 (Generative Model)，端對端 (end-to-end) 等先進人工智能的思想在加速器、探測器的模擬、物理分析等方面全面應用，對撞機大科學裝置上物理研究的算力有可能會出現瓶頸。
量子機器學習和量子人工智能(QML/QAI)是在量子計算機上應用的機器學習和人工智能算法。相比傳統的ML算法，QML利用量子力學疊加態原理，可促成算力的指數級提升，在大模型、大數據飛速發展的今天，有望從根本上解決對上述算力爆炸式的需求。
合作研究團隊受到中國科學院高能物理研究所計算中心量子計算平臺的支撐，與山東大學、本源量子、中國科學技術大學上海研究院、北京量子信息科學研究院、深圳量子科學與工程研究院等國內重要研究機構保持緊密的合作與交流關系。本研究受到基金委基礎科學研究中心、高能所創新項目、核物理與核技術國家重點實驗室、北京大學建設世界一流大學(學科)和特色發展引導專項的資助。
