受量子启发的机器学习在高能物理数据上的应用

张量网络最初是为模拟量子多体系统而设计的数值工具，近来已被应用于解决机器学习问题。我们利用树张量网络，将一种受量子启发的机器学习技术应用于高能物理中一个非常重要且具有挑战性的大数据问题：对欧洲核子研究中心大型强子对撞机所产生的数据进行分析与分类。具体而言，我们展示了如何有效分类所谓的 b-喷注（即 LHCb 实验中质子-质子碰撞产生的源自 b-夸克的喷注），以及如何解释分类结果。我们利用张量网络方法筛选重要特征，并基于学习过程中获取的信息调整网络几何结构。最后，我们展示了如何调整树张量网络以在不重复学习过程的情况下实现最优精度或快速时间响应。这些结果为高频实时应用的实现铺平了道路，而这是当前及未来 LHCb 事件分类能够以数十 MHz 量级触发事件所需的关键要素之一。