对粒子物理学家而言，不确定性是他们时常打交道的“熟人”。
在亚原子粒子和大型粒子探测器的世界里，粒子物理学家学会了在不确定性中工作。他们经常需要从其他粒子相互作用和背景噪声中挑出极罕见的粒子相互作用，这些嘈杂的背景干扰会使搜寻工作变得复杂而困难（类似的情况也发生在天文学中）。
此外，探测器通常还存在一些固有问题，比如由于它们记录粒子相互作用或者精确测量粒子能量的能力有限，可能导致数据被连接的电子设备误读。因此，科学家需要利用计算机算法减少误差，从而获得最准确的结果。
例如，在目前最具代表性的粒子物理研究——大型强子对撞机（LHC）的实验中，质子以每秒10亿次的速率发生碰撞。为了应对这种异常繁忙而嘈杂的环境，处理与能量分辨率相关的内在问题并面对其他相关因素，物理学家会利用误差校正的展开（unfolding）等技术，筛选出最有用、最准确的数据。
车轮形状的μ子探测器是ATLAS粒子探测器升级的一部分。| 图片来源：Julien Marius Ordan / CERN
伯克利实验室的物理学家Ben Nachman曾参与ATLAS粒子物理实验，ATLAS是LHC的四个大型粒子探测器之一。Nachman与理论物理学家合作进行了粒子物理的计算，他们在研究中经常需要“展开”，也就是校正探测器的效果。
然而在这个过程中，他也发现了高能物理与量子计算之间的联系。随后，他与伯克利实验室的物理学家和计算机科学家团队一道，成功地将高能物理学中一种常见的减少误差的技术应用在了量子计算领域。这项成果已于近日发表在《npj量子信息》上。
在量子计算这个新兴领域中，噪声和物理缺陷的问题同样存在。量子计算中有一类误差与实际操作有关，它们被称为门误差（gate error），而另一类则与读取量子计算机的状态相关，也叫读出误差（readout error）。
量子计算依赖于量子比特携带信息，叠加使得一个量子比特可以同时表示0、1或这两者。然而，传统计算则依赖于代表0或1的比特，但它无法同时代表两者。这一差别也使量子计算拥有了传统计算所不具备的独特计算能力。
但在量子计算中，叠加这种“脆弱”的状态很难维持，它会随着时间的推移而减弱，导致量子比特显示为0而不是1，这就是一个读出误差的常见例子。此外，量子计算机中读出误差的其他来源还包括，计算机架构造成的量子比特态的错误测量。
因此，这一领域的研究人员实际上也需要采用误差校正和误差抑制算法等手段，降低误差出现的频率和问题的严重性。他们已经意识到，找到一种降低噪声并将误差降低到最小的方法，也就是找到一种误差抑制算法，是推进量子计算的一大关键。
这项新的研究主要将目光放在了一种降低读出误差的技术上，它被称为迭代贝叶斯展开（iterative Bayesian unfolding，IBU），这其实是高能物理界非常熟悉的一种技术。IBU方法基于贝叶斯定理，它提供了一种数学手段，可以在已经获得与某个事件相关的其他条件时，找出事件发生的概率。
示意图表现了高能物理学与量子计算之间的联系。基于这种联系，研究人员认为高能物理学中用于抑制探测器对测量影响的方法，可以被用来研究量子计算中读出误差校正。| 图片来源：Berkeley Lab/npj Quantum Information
新研究比较了IBU方法与其他误差校正和误差抑制技术的有效性。用来进行比较的方法包括Ignis，它是为IBM量子计算机开发的一系列开源量子计算软件开发工具的一部分；还有一种非常基本的展开形式，即矩阵求逆法。
科学家模拟了一台量子计算机，他们发现，IBU方法在非常嘈杂、极易产生误差的环境中更为稳健，而当存在更常见的噪声模式时，IBU方法的表现也略优于其他两种方法。利用模拟量子计算环境进行的1000多个伪实验结果表明，IBU方法得出的结果最接近预测。
研究的第一作者Nachman介绍，研究中用于分析的噪声模型测量自IBM Q Johannesburg，那是一台拥有20个量子比特的量子计算机。研究中涉及的所有（模拟和实际的）量子计算机规模从5量子比特到20量子比特不等，而这项技术应该可以扩展到更大的系统。
但是，随着量子计算机规模的扩大，所测试的误差校正和误差抑制技术将需要更多的计算资源，因此，研究人员现在将目光放在了让这些方法在具有更大量子比特阵列的量子计算机上变得更易管理。
Nachman也提到，他本人和团队的一些成员早先参与过另一项研究，之前的研究提出了一种降低门误差的方法。他们相信，量子计算中的误差校正和误差抑制最终可能需要一种混合匹配的手段，也就是使用多种技术的组合来处理问题。
研究人员相信，年轻的量子计算领域仍有很大的创新空间。而量子计算实际上提供了一种推动力，让人们可以开始用新的方式思考问题。
参考来源：https://newscenter.lbl.gov/2020/11/05/know-when-to-unfold-em-study-applies-error-reducing-methods-from-particle-physics-to-quantum-computing/https://www.nature.com/articles/s41534-020-00309-7
封面来源：Pixabay / markusspiske
发表于 2020-11-12 20:05
收藏
分享