使用量子计算机寻找暗物质
探索宇宙奥秘：使用量子计算机寻找暗物质
QML — 量子机器学习在高能物理和粒子物理的有趣应用案例中的实际运用
背景
今年的8月份，我专注于IBM的全球量子暑期学校，在这里我不仅在紧凑的时间表和紧张的日程安排中学习了基础知识，还了解了量子计算的一些应用。在经历了4个艰苦的周后，你将会得到一个“量子体验”徽章，这是因为你认为自己理解了自己在做什么，但同时你又不知道发生了什么。这个月从量子电路基础知识过渡到变分算法的速度很快，只留下很少而有限的时间来“进行自己的研究”和亲自动手应用。
就应用而言，量子化学、量子模拟和一些非常复杂的建模任务适合使用量子计算机来解决。话虽如此，还有另一个领域正在蓬勃发展，并且引起了用户和研究人员的极大兴趣，那就是量子机器学习 — 简称QML。
我认为QML应该是传统机器学习的一个合理继任者，于是我开始了同样的探索。现在，我想找一个问题，传统机器学习算法在处理时不会轻松解决的问题，原因可能是数据规模太大、很难识别复杂的模式，但我可以从我那台谦虚的计算机上编码解决。我毫不犹豫地选择了我们的老朋友“物理学”，因为它隐藏了许多复杂而有趣的问题，在这些问题上进行工作听起来很有智力上的酷感。
就这样。
问题陈述
我决定处理“暗物质分类”问题，这个问题在与大型强子对撞机（CERN）相关的OPERA实验（带乳胶追踪装置的振荡实验）中进行了研究。
问题陈述
简而言之，我们将训练一个分类器来区分信号和噪声。信号表示存在暗物质，而噪声则表示不存在暗物质或其他完全不同的情况。
