Onderzoekers van het California Institute of Technology (Caltech) en de University of Southern California (USC) hebben als eerste met succes quantumcomputing toegepast bij een probleem uit de fysica. Onder gebruikmaking van quantum-compatibele machinale leermethoden hebben ze een manier gevonden om het signaal van een zeldzaam Higgs-boson uit een heleboel ‘ruis’ te destilleren.

Het Higgs-boson is verantwoordelijk is voor de massa van elementaire deeltjes; het bestaan ervan is pas in 2012 experimenteel aangetoond.

De nieuwe methode blijkt ook bij kleinere datasets goed te voldoen — in tegenstelling tot conventionele methodes. De onderzoekers (onder leiding van de professoren Maria Spiropulu en Daniel Lidar) programmeerden een zogenaamde quantum annealer — een type quantumcomputer dat in staat is optimalisatieprogramma’s te draaien) om patronen in een dataset te zoeken, met de bedoeling om zo bruikbare data van ruis en ‘rommel’ te onderscheiden.

Een populaire bestaande methode om data te classificeren is de neurale netwerkmethode, die bekend staat als een efficiënte manier om zelden voorkomende patronen in een dataset te vinden. De patronen die met deze methode worden gevonden, zijn echter moeilijk te interpreteren omdat het classificatieproces niet aangeeft hoe die partonen zijn gevonden. Technieken die beter geïnterpreteerd kunnen worden, maken daarentegen meer fouten en zijn minder efficiënt.

De bestaande methodes om data te classificeren zijn in sterke mate afhankelijk van de grootte en kwaliteit van een dataset die als trainingsmateriaal wordt gebruikt — een met de hand gesorteerd deel van de dataset. In moderne hoge-energie-fysica is dat ‘met de hand sorteren’ echter problematisch omdat deeltjesversnellers als de Large Hadron Collider (waar het Higgs-boson ontdekt is) enorme hoeveelheden data produceren waar zeldzame gebeurtenissen in verstopt zijn. Het nieuwe quantumprogramma is, zoals professor Spiropulu opmerkt, eenvoudiger en neemt genoegen met zeer weinig trainingegevens.

De onderzoekers hebben hun bevindingen in Nature gepubliceerd.
 

(Video: D-Wave Systems)