电路深度与量子比特数对希格斯玻色子信号检测中变分量子分类器的影响
量子物理
2026-01-21 v1 机器学习
高能物理 - 实验
摘要
高能物理（HEP）实验，例如大型强子对撞机（LHC）上的实验，会产生海量数据集，对经典计算极限构成挑战。量子机器学习（QML）在处理高维数据方面具有潜在优势；然而，为当前含噪中等规模量子（NISQ）设备寻找最优架构仍是一个未决的挑战。本研究利用ATLAS希格斯玻色子机器学习挑战赛2014实验数据集，探究了变分量子分类器（VQC）在检测希格斯玻色子信号方面的性能。我们实现了一个使用主成分分析（PCA）的降维流水线，将30个物理特征映射到4量子比特和8量子比特的潜在空间。我们基准测试了三种配置：（A）浅层4量子比特电路，（B）具有增加纠缠层的深层4量子比特电路，以及（C）扩展的8量子比特电路。实验结果表明，增加电路深度能显著提升性能，最高准确率达到56.2%（配置B），而基线准确率为51.9%。相反，简单地扩展到8量子比特导致性能下降至50.6%，这是由于在更大的希尔伯特空间中与贫瘠高原相关的优化挑战。这些发现表明，对于近期量子硬件，在HEP数据的有效异常检测中，优先考虑电路深度和纠缠能力比增加量子比特数更为关键。
引用
@article{arxiv.2601.11937,
title = {Impact of Circuit Depth versus Qubit Count on Variational Quantum Classifiers for Higgs Boson Signal Detection},
author = {Fatih Maulana},
journal= {arXiv preprint arXiv:2601.11937},
year = {2026}
}
备注
13 Pages, 5 Figures, Code and Data Available at: https://github.com/Fatihmaull/higgsboson-detection