blogtecaolivelli

Una macchina quantistica alla ricerca del bosone di Higgs

Fonte: Le Scienze

24 ottobre 2017

Un nuovo studio ha dimostrato le potenzialità di

una macchina quantistica nella ricerca delle tracce

del bosone di Higgs tra l'enorme mole di dati raccolti

dagli esperimenti ATLAS e CMS al CERN di Ginevra.

Per adesso, le sue prestazioni non superano quelle

dei programmi di apprendimento automatico basati

su calcolatori convenzionali, ma in futuro le cose

potrebbero cambiardi Davide Castelvecchi/Nature

computer sciencefisica delle particelle

Un computer quantistico rudimentale ha riscoperto

il bosone di Higgs. O qualcosa del genere.

I fisici hanno lavorato duramente per sviluppare macchine

che possono usare i fenomeni bizzarri della meccanica

quantistica per rendere più veloce il calcolo automatico.

Ma sperano anche che questi computer quantistici possano

restituire il favore, aiutandoli a scoprire nuove leggi della natura.

Rappresentazione artistica della comunicazione

tra due atomi in un computer quantistico

(Credit: Science Photo Library/AGFOra un gruppo di

ricerca ha dimostrato che un circuito quantistico può

imparare a mettere ordine in pile enormi di dati ricavati

da esperimenti di collisioni di atomi che hanno come

obiettivo la ricerca di una nuova particella.

Il loro studio dimostrativo, condotto usando una macchina

costruita dalla società di calcolo quantistico D-Wave,

che ha lavorato sul caso ora familiare del bosone di Higgs,

non fornisce ancora un chiaro vantaggio rispetto alle

tecniche convenzionali. Ma gli autori, che firmano

un articolo su "Nature", sostengono che l'apprendimento

automatico della macchina quantistica potrebbe fare la

differenza nei futuri esperimenti, quando le quantità di

dati cresceranno ancora.

Kyle Cranmer, fisico della New York University che non

era coinvolto nel lavoro, sostiene che è  na boccata

d'aria fresca vedere una macchina quantistica applicata

un problema fisico pratico, invece che alle solite

questioni matematiche, come la fattorizzazione di

numeri interi in numeri primi. "Prima d'ora, le persone

erano consapevoli che questo avrebbe potuto essere

rilevante", spiega. "Questo ci fa capire come forse

potrebbe essere".

Soluzioni ottimali

Nel  2012, due esperimenti presso il Large Hadron

Collider (LHC) del CERN, il laboratorio per la fisica

delle alte energie vicino a Ginevra, in Svizzera,

annunciarono di aver dimostrato l'esistenza del

bosone di Higgs, l'ultimo pezzo mancante del modello

standard della fisica delle particelle. I due esperimenti,

CMS e ATLAS, trovarono la prova del bosone creato

nelle collisioni di protoni dal modo in cui l'Higgs

decadeva in particelle più comuni, come fotoni ad

alta energia. Ma ogni volta che due protoni collidono

all'interno di LHC, centinaia di particelle vengono

create, alcune delle quali possono essere scambiate

per fotoni quando colpiscono i rivelatori.

Per velocizzare la loro ricerca dell'Higgs, i fisici di ATLAS

e CMS hanno simulato i dati per addestrare gli algoritmi

di apprendimento automatico in grado di separare

il grano dal loglio, i fotoni dagli impostori.

Più di recente, la fisica delle particelle Maria Spiropulu,

che ha aiutato a guidare la ricerca dell'Higgs con CMS,

voleva sapere se un computer quantistico potesse

aiutare a rendere il processo di apprendimento più

efficiente, in particolare riducendo la quantità di dati 

simulati richiesti per addestrare il sistema.

"Volevo capire se fosse in grado di risolvere il problema

dell'Higgs, perché è quello che conosco", ha spiegato

Spiropulu, che lavora al California Institute of Technology

di Pasadena.

Il suo collaboratore Alex Mott, fisico che ora lavora press

la DeepMind di Londra, ha tradotto il processo di

apprendimento in qualcosa che potrebbe essere calcolato

da un computer a 'ricottura quantistica' costruito dalla

D-Wave, che ha sede a Burnaby, in Canada.

Questo tipo di macchina trova le soluzioni ottimali a certi

problemi permettendo ai loop di superconduzione,

che codificano informazione quantistica, di porsi nel

loro stato di minima energia.

L'idea era che la macchina quantistica potesse

trovare i criteri ottimali che un computer ordinario

avrebbe potuto usare per cercare le "firme" del

fotone nei dati reali di Higgs.

Per verificare la loro teoria, il gruppo ha avuto

accesso alla macchina D-Wave machine dell'Università

della Southern California a Los Angeles.

L'esperimento ha avuto successo, ha spiegato

Spiropulus: "possiamo fare l'addestramento con

piccolissimi insiemi di dati e trovare la soluzione

ottimale".

I ricercatori non hanno usato questi criteri per

riscoprire l'Higgs, perché non ne avevano bisogno.

Dimostrare che era possibile era la parte più

importante del loro lavoro, ha spiegato

Cranmer, specialista di analisi dei dati che ha

partecipato alla ricerca dell'Higgs nella collaborazione

ATLAS.

Oltre la fisica

Per ora, non dobbiamo aspettarci che i fisici si

convertano ai computer quantistici: finora, la

macchina non si è comportata meglio della

versione virtuale di se stessa che Spiropolu e il

suo gruppo hanno fatto "girare" su un computer

convenzionale. E c'è ancora una lunga strada da

fare per dimostrare che queste tecniche sono più

efficienti di alcuni algoritmi di apprendimento

automatico esistenti, che sono in grado di

addestrarsi su insieme di dati relativamente piccoli,

spiega Cranmer. Spiropulu è d'accordo, e aggiunge

che sarà necessario confrontare i vari approcci l

'uno rispetto all'altro per capire qual è il migliore.

Ma i risultati potrebbero avere un impatto in

campi oltre la fisica. Davide Venturelli, fisico che

lavora per la Universities Space Research Association

and e per l'Ames Research Center della NASA

di Mountain View, in California, gestisce un programma

che rende la macchina D-Wave situata ad Ames

(gestita in modo congiunto da Google e dalla NASA)

disponibile agli sperimentatori di tutto il mondo.

I ricercatori in campi che vanno dalle scienze della

Terra alla bioinformatica sono interessati a usare

la ricottura quantistica, in particolare per l'applicazione

dell'apprendimento automatico, spiega.

"La cosa interessante è che tutto funziona",

spiega Mott.

(L'originale di questo articolo è stato 

pubblicato su Nature il 19 ottobre 2017.

Traduzione ed editing a cura di Le Scienze.

Riproduzione autorizzata, tutti i diritti riservati)