量子科技中心_量科网

该博士论文探讨了量子计算解决高能物理（HEP）领域计算挑战的潜力。鉴于标准模型（SM）遗留关键问题未解且希格斯玻色子发现后尚未出现新物理迹象，研究人员亟需先进的实验与计算工具。量子计算为经典方法提供了具有前景的替代方案，该工作重点研究了量子算法在HEP研究中发挥作用的三大路径： 首先，该团队开发了用于计算闵可夫斯基距离及识别无序数据最大值的量子子程序，并将其嵌入k-means聚类、近邻传播算法和喷注聚类等算法。这些量子算法在配备qRAM的量子硬件上实现时，既能达到经典算法性能又具备理论优势。 随后，研究人员提出新型量子蒙特卡洛积分器——量子傅里叶迭代振幅估计（QFIAE），通过结合量子神经网络与振幅估计来实现多元函数积分。该算法在模拟器和真实量子计算机上执行，基于圈-树对偶性评估费曼圈积分，并扩展应用于微扰量子场论中次领头阶物理观测量的（部分硬件）计算。 最后，该工作提出用于多元分布建模的量子切比雪夫概率模型（QCPMs），将其应用于部分子碎裂产生K介子与π介子的碎裂函数研究。这些模型展现出优异的生成与插值能力，同时揭示了变量间纠缠关系在提升模型精度中的关键作用。 总体而言，这些成果表明量子算法已能在现有硬件上解决相关HEP问题，同时为未来充分利用量子计算优势的容错应用铺平道路。