近日， 方亚泉团队和北京大学周辰团队合作，在环形正负电子对撞机的希格斯物理的模拟分析中，尝试基于国产的量子计算机，利用量子支持向量机（QSVM）的ML算法，分析希格斯粒子衰变到双光子过程，达到了与传统SVM类似的敏感度；并且，基于国产量子计算机硬件的结果与国际上同类量子计算机的结果也是可比的。研究结果作为首篇利用国产量子计算机硬件实施高能物理QML物理分析研究的期刊论文“Application of quantum machine learning in a Higgs physics study at the CEPC”，发表于International Journal of Modern Physics A。
此外，团队还成功开发调试了先进机器学习算法Transformer/ParticleTransformer的量子化算法。上述研究对QAI在高能物理面向未来的应用，对高能物理领域算力的解决具有重要参考价值，对突破卡脖子技术的壁垒，实现关键技术的自主研发有重要的现实意义。
高能对撞机大科学装置通常会产生海量的碰撞数据，大数据可能引发出对大模型的需求。可以预计，随着近年来生成式模型 (Generative Model)，端对端 (end-to-end) 等先进人工智能的思想在加速器、探测器的模拟、物理分析等方面全面应用，对撞机大科学装置上物理研究的算力有可能会出现瓶颈。
量子机器学习和量子人工智能（QML/QAI）是在量子计算机上应用的机器学习和人工智能算法。相比传统的ML算法，QML利用量子力学叠加态原理，可促成算力的指数级提升，在大模型、大数据飞速发展的今天，有望从根本上解决对上述算力爆炸式的需求。
合作研究团队受到 计算中心量子计算平台的支撑，与山东大学、本源量子、中国科学技术大学上海研究院、北京量子信息科学研究院、深圳量子科学与工程研究院等国内重要研究机构保持紧密的合作与交流关系。本研究受到基金委基础科学研究中心、高能所创新项目、核物理与核技术国家重点实验室、北京大学建设世界一流大学（学科）和特色发展引导专项的资助。
附件下载：
