آموزش یک کامپیوتر کوانتومی برای پیدا کردن بوزون هیگز

فکر می‌کنید آیا در آینده دانشمندان می‌توانند با کمک رایانش کوانتومی، کشف‌های بیشتری داشته باشند؟ تکنیکی که اخیرا توسعه یافته است از کشف بوزون هیگز برای آزمایش این نظریه استفاده می‌کند.

آیا می‌توان بوزون هیگز را دوباره کشف کرد؟ شاید کامپیوتری که می‌تواند حجم عظیمی از دیتا را بررسی کند، بتواند در کاربردی خلاقانه، این ذره را دوباره کشف کند. پژوهشگران امید دارند که کامپیوترهای کوانتومی با افزایش سرعت محاسبات در بررسی جهان طبیعی ما و گسترده کردن دانش ما در مورد جهان شناخته‌شده، به کمک آن‌ها بیایند.

ممکن است این آزمایش قدمی رو به عقب به نظر برسد؛ اما این فناوری پیشرفت‌های مثبتی داشته است. کایل کرانمر، فیزیکدان دانشگاه نیویورک که در این پژوهش نقشی نداشت، می‌گوید:

تا پیش از این، ما می‌دانستیم که ممکن است روزی به چنین نقطه‌ای برسیم؛ اما اکنون آن را محتمل‌تر می‌بینیم.

او استفاده از ماشین‌های کوانتومی به جای راه‌حل‌های معمول ریاضی را هیجان‌انگیز می‌داند.

وقتی فیزیکدان‌ها بوزون هیگز را در سازمان اروپایی پژوهش‌های هسته‌ای، سرن (CERN)، کشف کردند، با استفاده از آزمایش‌های ATLAS و CMS فوتون‌ها و غیر فوتون‌های حاصل از برخوردهای پروتون را تشخیص دادند. آن‌ها الگوریتم‌های یادگیری ماشین و دیتای شبیه‌سازی شده را آموزش دادند تا همان کار را انجام دهند.

گروهی که به دنبال راه‌حل‌های کوانتومی بود، ماشینی از دی-ویو تهیه کرد. آن‌ها می‌خواستند بررسی کنند که آیا این ماشین می‌تواند با پیروی از دستورالعمل‌ها، رد فوتونی ذره‌ی هیگز را بیابد یا خیر. هدف این آزمایش، بازآفرینی هیجان کشف بوزون هیگز یا اثبات توانایی آن‌ها در انجام این کار نبود؛ هدف این پژوهش بررسی این مسئله بود که آیا رایانش کوانتومی می‌تواند ابزاری سودمند در بررسی‌های فیزیکی باشد یا خیر. کرانمر می‌گوید جذاب‌ترین قسمت این پژوهش، نشان دادن محتمل بودن این سودمندی است.

رایانش کوانتومی از روش‌های معمول کنونی دقیق‌تر نیست؛ اما ماشین کوانتومی دی-ویو می‌تواند چنان حجم دیتایی جمع‌آوری کند و چنان کاربردهای متنوعی داشته باشد که نه‌تنها به دیگر زمینه‌های پژوهشی سود برساند، بلکه یادگیری ماشین را نیز توسعه دهد. این ماشین کوانتومی بحث‌برانگیز خوانده شده است و بسیاری از افراد آن را چندان امیدوارکننده نمی یابند؛ اما با وجود این مخالفت‌ها، زمینه‌های علمی مختلف، از فناوری اطلاعات زیستی گرفته تا علوم زمینی می‌توانند از این تکنیک سود ببرند.