Prima applicazione dell’Intelligenza Artificiale Quantistica all’esperimento LHCb al CERN
Un nuovo passo avanti nell’applicazione degli algoritmi quantistici all’analisi dati di Fisica delle particelle, grazie al lavoro dei ricercatori del Dipartimento di Fisica e Astronomia G. Galilei e la sezione INFN di Padova.
La collaborazione LHCb al CERN, che vede la partecipazione del Dipartimento e della sezione INFN, ha infatti appena pubblicato un articolo in cui per la prima volta gli algoritmi di Intelligenza Artificiale Quantistica vengono applicati all’identificazione della carica elettrica dei quark b ad LHC. Si tratta di un problema piuttosto complesso poiché i quark b producono sciami di particelle chiamati getti adronici e l’informazione sulla carica è diluita in un gran numero di prodotti di decadimento. Ciononostante è importante risolverlo per poter effettuare molte importanti misure. L’articolo è appena comparso sul Journal of High Energy Physics. Ulteriori informazioni sono disponibili al seguente link: https://link.springer.com/article/10.1007/JHEP08%282022%29014
“Visto il rapido progresso nei computer quantistici e nelle tecnologie quantistiche, è naturale iniziare ad investigare se e come gli algoritmi quantistici possano essere eseguiti su questi nuovi hardware”, commenta Donatella Lucchesi, professoressa al Dipartimento di Fisica e Astronomia, “e se l’analisi dati ad LHCb possa beneficiare di questo nuovo paradigma tecnologico”.
“Nonostante sia stato già utilizzato per risolvere alcuni problemi di fisica delle particelle, questa è la prima volta che l’Intelligenza Artificiale Quantistica viene usata da un esperimento di LHC per affrontare un problema complesso”, aggiunge Lorenzo Sestini, ricercatore della sezione INFN, “LHCb ha applicato per la prima volta queste tecniche al problema di identificazione della carica dei getti adronici, usando una simulazione che riproduce fedelmente i dati dell’esperimento. Adesso siamo pronti per applicarla ai dati reali raccolti da LHCb”.
L’algoritmo progettato per lo studio ‘Quantum Machine Learning for b-jet charge identification’ è stato pensato per poter essere processato su computer quantistici. Sono stati condotti i primi test su dei simulatori per le limitazioni degli hardware disponibili e si sta testando il sistema su veri computer quantistici.
Come è stato dimostrato nell’articolo, l’Intelligenza Artificiale Quantistica raggiunge prestazioni ottimali anche utilizzando un numero minore di eventi rispetto ad algoritmi classici (non-quantistici) e moderni come le Reti Neurali, aiutando a ridurre l’utilizzo delle risorse di calcolo, che sarà uno dei punti chiave di LHCb, quando un enorme ammontare di dati sarà raccolto negli anni futuri. I computer quantistici permetteranno inoltre di abbassare il consumo di energia elettrica per queste applicazioni computazionalmente dispendiose.
“E’ stato interessante unire insieme due campi di ricerca così distinti come la Fisica delle Alte Energie ed il Calcolo Quantistico per risolvere un problema”, commenta Davide Zuliani, dottorando della Scuola di Fisica dell’Università di Padova, “ed è stato emozionante studiare questi nuovi algoritmi: tutto è iniziato con la tesi di laurea di Davide Nicotra, adesso dottorando a Maastricht, ed in pochi mesi abbiamo scoperto sorprendenti potenzialità. Questo nuovo campo di ricerca è molto promettente e, dato l’impatto che queste tecnologie potrebbero avere, stiamo lavorando con molte persone per capire effettivamente quanto il Calcolo Quantistico possa allargare l’orizzonte di scoperta degli esperimenti ad LHC”.
L’utilizzo del Quantum Machine Learning negli esperimenti di Fisica delle particelle è solo agli inizi. Mentre i Fisici acquistano esperienza con il Calcolo Quantistico, ci si aspetta fondamentali miglioramenti nell’hardware e nelle tecnologie computazionali, dato l’interesse mondiale e gli investimenti in questo settore.
Per maggiori informazioni consultare il seguente link: https://link.springer.com/article/10.1007/JHEP08%282022%29014
Contatti
Donatella Lucchesi – Dipartimento di Fisica e Astronomia G. Galilei – Università di Padova
Lorenzo Sestini – INFN Sezione di Padova
