世界上最大的科学装置LHC(大型强子对撞机)一直在欧洲核子研究中心(CERN)粒子物理实验室的运营下探索和寻找新粒子。由于LHC会产生海量的数据，为了更好的分析这个庞大系统产生的数据，CERN的科学家一直在向IBM的量子团队寻找帮助。

他们的密切合作已取得了成功。在一篇尚未经过同行评审的新论文中，IBM的研究人员已经确定量子算法可以帮助理解LHC的数据。这意味着未来的量子计算机很有可能会显着促进欧洲核子研究中心的科学发现。

LHC是欧洲核子研究中心了解构成宇宙的粒子和力的基本定律的最重要工具之一。每秒粒子在LHC内部大约碰撞10亿次，这会产生1PB的数据。这些数据目前由全球170个地点的100万个CPU进行处理，造成这种地理上的分散处理是由于如此大量的信息无法被只存放在一处和处理。

到目前为止，科学家们一直在使用最好的经典计算工具来协助他们的工作。在实践中，这意味着使用复杂的机器学习算法，这些算法能够通过LHC产生的数据来区分有用的碰撞，例如用来区分产生希格斯玻色子的碰撞和无用的碰撞。IBM的研究人员认为，通过量子机器学习可以极大地改善这种筛选过程。

随着数据量的增长，经典机器学习模型正在迅速接近其能力的极限，而接下来是量子计算机可能发挥作用的地方。构成量子计算机的多功能量子比特比经典比特可以容纳更多信息，这意味着它们可以可视化和处理比经典设备更多的维度。

因此，配备足够量子比特的量子计算机原则上可以运行极其复杂的计算，而经典计算机需要几个世纪才能解决。考虑到这一点，CERN早在2018年就与IBM的量子团队合作，目的是找出如何准确地应用量子技术来推进科学发现。

量子机器学习算法很快将成为一种潜在的应用。该方法包括利用量子比特的能力来扩展所谓的特征空间，它是基于其分类决策的特征集合。通过使用更大的特征空间，即使在巨大的数据集中，经典计算机可能只能看到随机的噪声，但量子计算机能够看到模式并执行分类任务。 

IBM的团队还着手创建一种被称为量子支持向量机(QSVM)的量子算法，它能识别产生希格斯玻色子的碰撞。该算法基于LHC探测器生成的信息的一个测试数据集进行训练，并能在量子模拟器和物理量子硬件上运行。 

在这两种情况下的结果都是有希望的。该模拟实验在Google Tensorflow Quantum、IBM Quantum和Amazon Braket平台上运行，使用了多达20个量子比特和一个50,000次事件数据集，并且与运行相同问题的经典算法相比，即使不是更好也表现得同样出色。 

而硬件实验在IBM自己的量子设备上运行，它使用15个量子比特和100个事件数据集，其结果表明，尽管噪声影响量子计算，但分类质量仍然与最佳经典模拟结果相当。这再次证实了量子算法对此类问题的潜力。在不久的将来，可能会证明使用QSVM进行数据分类将具有量子优势。

IBM和CERN寄希望于未来量子硬件的改进，以切实地证明量子算法的优势，而不仅仅是理论上。CERN的科学家对这种情况更加寄予厚望。因为LHC目前正在升级中，该系统的下一次迭代将于2027年上线，预计它将产生的碰撞次数是当前机器的十倍。（编译:Qtech）