【儀表網 研發快訊】近日，中國科學院高能物理研究所大川英希研究員和深圳量子科學與工程研究院翁文康教授團隊合作，將一種“量子退火啟發算法”成功地應用于高亮度大型強子對撞機(HL-LHC)的徑跡重建中。通過快速模擬得到的數據測試結果表明其速度可提高約1萬倍。相關論文”Quantum-Annealing-Inspired Algorithms for Track Reconstruction at High-Energy Colliders” 已于2024年8月28日發表在Springer Computing and Software for Big Science雜志上(H Okawa, QG Zeng, XZ Tao, MH Yung, Comput. Softw. Big Sci. 8 (2024) 16).
 

　　未來的對撞機，如HL-LHC和環形正負電子對撞機(CEPC)，將把我們帶入艾字節(exabyte，260字節，約等于1018字節)數據時代，而處理這些數據需要巨大的計算資源。在HL-LHC，預計年計算成本將比目前的LHC增加10到20倍，其中徑跡重建是最消耗計算資源的計算任務，高能物理學家熱切期待有新的數據處理方法來應對這一挑戰。
 

　　在物理學中，退火是一種加熱和逐漸冷卻材料的過程，通過這種方法，可以讓材料內部的原子排列得更加有序，從而降低其能量狀態。同樣，在計算中，我們可以使用一種叫做“模擬退火”的算法來解決優化問題。模擬退火通過模擬物理退火過程，使系統逐步趨向于能量最低的狀態，從而找到解決問題的最佳方案。量子退火中的退火過程指從一個哈密頓系統演化到另一個哈密頓系統，根據量子絕熱定理，如果這個過程進行地足夠緩慢，則可保證系統所處的能級不改變。由此我們可以通過制備簡單系統的基態來得到復雜系統的基態。量子退火啟發算法是基于量子計算概念但“在經典硬件上實現”的算法，其中特別是模擬分叉(SB)算法，在短時間內解決組合優化問題方面表現出色，可以在不到一秒內解決包含上千個粒子規模的徑跡重建問題，該問題轉化為伊辛問題后的自旋數目高達十萬。
 

　　SB算法對“比特數量”幾乎沒有限制，可以直接處理超大規模(比特數目可達上億)的數據集。此外，與模擬退火不同，SB算法除了能夠在CPU上運行，也可在GPU和FPGA實現并行加速；而模擬退火因其固有局限性，只能串行地更新自旋，不適合并行處理。彈道SB(bSB)算法是SB算法的變種，與模擬退火算法Neal(一個實現模擬退火的Python庫)相比，在HL-LHC的最高徑跡多重性條件(圖1)下，其速度最高提升了約1萬倍(圖2)，并提供了出色的重建效率和純度。
 

　　這種新穎的量子啟發方法是面向未來的新技術，不僅可以應用于目前正在運行的對撞機實驗，如LHC和北京正負電子對撞機(BEPCII)的北京譜儀(BESIII)探測器， 也有望應用于未來更大規模的對撞機。
 

　　圖1：研究中考慮的最高粒子多樣性事例顯示。綠色(紅色)線表示正確(不正確)重建的徑跡，而藍色線表示未重建的。此顯示是使用hepqpr-qallse框架生成的。
 

　　圖2：針對三種量子退火啟發算法評估的最高粒子多重性事例(9435個粒子，轉化為伊辛問題后的自旋數目為109,498)中伊辛能量的演化。實線表示50個執行的平均值，而包絡線表示這些執行中的最佳和最差情況。