Um in den Daten des LHC den Überblick zu behalten, bedarf es ausgeklügelter Datenanalyse. Ein Teil davon könnte künftig auch ein Quantencomputer erledigen, wie Forscher um Maria Spiropulu vom California Institute of Technology in Pasadena demonstrieren. Ihr System lernte, ein gesuchtes Signal vom Rauschen des Detektors zu unterscheiden.

Konkret nahmen sie sich ein Problem vor, das Physiker auch schon bei der ursprünglichen Entdeckung des Higgs-Bosons im Jahr 2012 mit Maschinenlernen lösten – allerdings damals mit einem klassischen Computer: Das Higgs-Teilchen verrät sich durch die Zerfallsprodukte, die beim Zusammenprall der Protonen erscheinen, von denen allerdings einige leicht zu verwechseln sind. Die Teams an den LHC-Detektoren ATLAS und CMS nutzten simulierte Kollisionen als Trainingsdaten und brachten ihren Computer dazu, die gesuchten Typen von den falschen zu unterscheiden.

Diese Klassifizierungsaufgabe haben Spiropulu und Team nun auf eine Maschine übertragen, die von ihrem Hersteller D-Wave als erster kommerziell verfügbarer Quantencomputer der Welt vermarktet wird. Der Supercomputer ist dem kanadischen Unternehmen zufolge ein so genannter Quantum Annealer, der für die Lösung von Optimierungsproblemen gebaut wurde. In der Hardware könnte der aus der Quantenphysik bekannte Tunneleffekt eine Rolle spielen. Das könnte künftig dazu beitragen, dass die Maschine etwas schneller zum Ergebnis kommt als klassische Supercomputer.

Um auf der D-Wave-Maschine Aufgaben aus der Teilchenphysik zu erledigen, sind allerdings Vorarbeiten nötig: Zunächst muss das gegebene Problem als Konfiguration miteinander gekoppelter supraleitender Schleifen kodiert werden, in denen der Computer seine Bit-Zustände speichert. Setzt man die Maschine in Gang, nimmt das Gesamtsystem vieler gekoppelter Schleifen den Zustand der in der jeweiligen Konfiguration geringstmöglichen Energie an. Er stellt die Lösung für das Problem dar. Wie sie im Detail vorgingen, beschreiben die Wissenschaftler in ihrer Veröffentlichung im Fachmagazin "Nature".

Die Idee hinter dem Experiment war, den D-Wave-Computer eine Anzahl von Entscheidungskriterien finden zu lassen, anhand derer ein klassischer Computer die Beschleunigerdaten analysieren könnte. Zu einem praktischen Einsatz kam es allerdings nicht. Die Studie wollte den Autoren zufolge lediglich zeigen, dass das Lernverhalten des Rechners überhaupt sinnvolle Ergebnisse produziert.

Noch liefert der D-Wave-Rechner seine Resultate allerdings nicht schneller als ein klassischer Computer, auf dem Forscher die Arbeitsweise des D-Waves simulieren können. Womöglich spielen Quantum-Annealing-Systeme ihre Stärken erst aus, wenn mehr Trainingsdaten zum Erlernen der korrekten Klassifizierung berücksichtigt werden müssen. Laut Spiropulu wird es künftig darauf ankommen, die jeweiligen Herangehensweisen systematisch miteinander zu vergleichen.

Dass Quantencomputer gerade beim Maschinenlernen bald einen Vorsprung gegenüber konventionellen Systemen bieten könnten, glauben allerdings zahlreiche Forscher. Inzwischen wetteifern die großen Softwareriesen, darunter Google, um die Vorreiterrolle auf diesem Gebiet. Große Durchbrüche erhofft man sich allerdings in erster Linie von Quantenrechnern, die viele verschiedene Aufgaben ausführen können und in denen zweifelsfrei Quanteneffekte eine Rolle spielen.