محاسبات پیشرفته و رایانش ابری در فیزیک انرژی‌های بالا

کارگاه ۳

کاربرد یادگیری ماشین کوانتومی در فیزیک انرژی‌های بالا: تشخیص سیگنال هیگز

بوزون هیگز که کشف آن تصویر نظریه مدل استاندارد را کامل کرد و جایزه نوبل را نصیب نظریه‌پردازان آن نمود،‌ هنوز سوالات بسیاری را فراروی ما نهاده است. از مهمترین سوالات، برهمکنش آن با سنگین‌ترین ذره شناخته شده،‌ یعنی کوارک تاپ است. اخیرا پژوهشگران این عرصه، با نگاهی به‌ آینده که در آن به دلیل حجم بالای داده،‌ ناگزیر از استفاده الگوریتم‌های کوانتومی هستیم، به طراحی شناساگرهای کوانتومی روی آورده‌اند. این شناساگرها سیگنالهایی از بوزون هیگز که به ما امکان مطالعه برهمکنش مذکور می‌دهد را از پس زمینه جدا می‌کنند.

هدف کارگاه: آشنایی کاربران با یادگیری ماشین کوانتومی در تحلیل داده‌های فیزیک ذرات. در این مسیر، از مدارهای کوانتومی وردشی (Variational Quantum Circuits) که خود نمونه‌ای از شبکه‌های عصبی کوانتومی هستند، به‌عنوان یک ابزار و نمونه‌ی عملی استفاده می‌کنیم تا مفاهیم یادگیری ماشین کوانتومی را در یک مسئله‌ی واقعی فیزیک ذرات پیاده‌سازی کنیم. به‌عنوان مثال کاربردی، مسئله‌ی جداسازی فرایند تولید بوزون هیگز در جفت‌شدگی با کوارک تاپ و پادذره‌اش از پس‌زمینه‌ی غالب آن را بررسی خواهیم کرد و نشان می‌دهیم چگونه می‌توان با استفاده از یک مدل کوانتومی وردشی این طبقه‌بندی را انجام داد. 

کتابخانه مورد‌نیاز: PennyLane --  تمامی کتابخانه‌ها و نرم‌افزارها در سیستم ابری در دسترس خواهند بود.

زبان برنامه‌نویسی: پایتون

الگوریتم‌های یادگیری ماشین: Variational Quantum Circuits