（《麻省理工科技評論》中英文版APP現已上線，年度訂閱用戶每周直播科技英語講堂，還有科技英語學習社區哦~）
一臺初級量子計算機在某種意義上重新發現了希格斯玻色子。
物理學家們已經在「使用量子技術來加速科研計算」的機器開發工作上付出了很多，他們希望這類量子計算機能幫助發現新的自然規律。
最近，一個研究小組已經驗證，量子電路可以學習如何通過掃描原子粉碎實驗數據來搜索新的粒子。小組在這次「理論驗證性質」的研究中使用了由量子計算公司 D-Wave 搭建的機器，並用在了目前已解決了的希格斯玻色子案例中。但與傳統技術相比，該技術尚不具明顯優勢。該研究論文發表在 10 月 18 日的《Nature》上。
圖 | 這樣的量子處理單元或能在將來幫人們以更有效的方式檢測稀有粒子
儘管如此，論文作者表示，量子機器學習仍可以在未來的實驗中發揮作用，特別是當數據量將會變得更大時。
紐約大學的物理學家 Kyle Cranmer（未參與此工作）認為，將量子計算機應用於實際的物理問題，而不是通常的數學問題（如將整數分解為素數）十分新穎。Cranmer 說：「雖然此前我們就知道量子計算機和物理研究會在未來發生某種關聯，但這次的嘗試給出了這種關聯可能的形式。」
2012 年時，歐洲高能物理實驗室 CERN 的大型強子對撞機（LHC）進行了兩次實驗，兩次實驗分別被稱為 CMS 和 ATLAS，從光子碰撞（希格斯粒子衰變成常見粒子）的過程中找到了希格斯粒子存在的證據（如高能光子對）。但每當兩個質子在 LHC 內發生碰撞時，碰撞就會產生出數百個其他粒子，而當它們撞擊檢測器時，它們中的一些可能會被誤判為光子。
為了加快搜尋希格斯粒子的速度，ATLAS 和 CMS 物理學家使用了模擬數據來訓練機器學習算法，使算法能從「麥粒的穀殼（冒牌光子）」來判斷「小麥（希格斯粒子）」是否成熟。
主導過 CMS 的希格斯粒子搜尋工作的粒子物理學家 Maria Spiropulu 想知道量子計算機是否可以加快這一進程，特別是通過減少訓練系統所需的模擬數據量。
Spiropulu 的合作者是目前在倫敦 DeepMind 工作的物理學家 Alex Mott，Mott 將學習過程翻譯成能由加拿大本 D-Wave 公司設計的「量子退火（quantum annealing，計算機名稱）」計算機來運算的代碼。這類機器會通過允許編碼量子信息的超導迴路落入其最低能量狀態，來找到特定問題的最佳解決方案。
簡單來說，就是讓量子機器找到一個適用於普通計算機的，尋找希格斯粒子的光子特徵的最佳標準。為了測試該理論，研究小組在洛杉磯南加利福尼亞大學獲得了一臺 D-Wave 量子計算機機，並取得了實驗的成功。Spiropulu 說：「我們可以用小數據集訓練，找到最佳解決方案。」
但物理學家們並不能馬上就可以在研究中用上量子計算機，因為到目前為止，該機器的性能也沒比 Spiropolu 和她的團隊在傳統計算機上運行的虛擬版本要好。Cranmer 認為，還需要做很多工作，才能證明這類技術比一些能夠在相對小的數據集上訓練的現有機器學習算法更高效。Spiropulu 對此表示贊同，並補充到：「有必要對彼此的各種方法進行測試，來判斷哪個才是最好的。」
但最終結果可能會對物理學以外的領域產生影響。
美國宇航局艾姆斯研究中心工作的物理學家 Davide Venturelli 表示，目前從地球科學到生物信息學領域的研究人員都對在研究中使用 D-Wave 量子計算機，特別是用於機器學習程序非常感興趣。他目前負責監管一個讓 D-Wave 量子計算機能被世界各地的實驗者使用的項目。