量子科技中心_量科网

传统的深度神经网络能够学习对撞机数据中丰富的多粒子关联性，但其归纳偏置往往缺乏物理结构基础。该研究团队提出“量子信息神经网络”（QINNs）这一通用框架，将量子信息概念与量子可观测量引入纯经典模型。尽管该框架具有广泛适用性，本文重点研究了一种具体实现方案：将每个粒子编码为量子比特，并采用量子费希尔信息矩阵（QFIM）作为粒子关联性的紧凑且基矢无关的表征。以喷注鉴别为案例研究时，QFIM作为图神经网络中的轻量级嵌入层，显著提升了模型表达能力和可塑性。QFIM揭示的QCD喷注与强子型顶夸克喷注的差异模式与物理预期高度吻合。因此，QINNs为粒子碰撞的“量子信息分析”（即层析成像）提供了一条兼具实用性、可解释性和可扩展性的技术路径，尤其能增强现有成熟深度学习方法的性能。