Vertex reconstruction in particle detectors using quantum computing algorithms

Abstract

This work aims at testing a new quantum computing algorithm to reconstruct vertices in the con- text of High Energy Physics. In order to do this, a complete simulation suite of tracks and vertexing has been implemented. A tracker and the tracks have been generated, with a realistic parametriza- tion that allows for their manipulation and latter analysis. Afterwards, and making use of IBM framework, qiskit, the VQE (Variational Quantum Eigensolver) algorithm has been implemented in python. It has finally been tested and a metric of its efficiency depending on the distance between vertices and the number of evaluation shots has been made. The algorithm shows a great reliability in the reconstruction of vertices, when separated enough. It requires a decent amount of evaluation shots, this value being a minimum of around 500, where, for a reasonable distance, the efficiency gets to about 85%. For an even more reliable result, which might be interesting, especially for the shorter separations, the number of shots may be raised up to 1000. Tested with 1000 evaluations per step, and with distances between 0.0 and 0.1 cm, the algorithm returns an efficiency of almost 90% with distances from 0.3 cm. It was expected to achieve an even higher efficiency, especially for the larger separations, however, there seems to be a saturation issue that makes it so that the efficiency does not get to values close to 100%. This might be solved by increasing the number of evaluation shots in the future. In any case, this work shows the proof of concept that a quantum computing algorithm can be used to solve the problem of the vertex reconstruction opening a very interesting field where surely many parameters can be optimized to get better results.

El objetivo de este trabajo es probar la viabilidad de diseñar un nuevo algoritmo de computación cuántica y utilizarlo para la reconstrucción de vértices en Física de Altas Energías. Para hacer esto, se ha realizado una simulación completa de un sistema formado por un tracker y unas trazas generadas y medidas en su interior. La parametrización de estos es realista, lo cual permite manipularlo y analizarlo con la posibilidad de extrapolarlo a casos reales. Más tarde se ha aplicado el algoritmo VQE (Variational Quantum Eigensolver) en el lenguaje python. Se ha comprobado su eficiencia en función de la separación de los vértices y el número de evaluaciones del algoritmo. El algoritmo devuelve unos resultados muy positivos en la reconstrucción de vértices para separaciones razonables. Requiere un número considerable de evaluaciones para obtener eficiencias suficientemente altas (superiores al 85%). Siendo este valor de alrededor de 500 “shots”. Para obtener eficiencias mayores, el número de evaluaciones puede subirse. Para 1000 evaluaciones por iteración, se obtienen eficiencias de casi el 90% de acierto para distancias entre vértices de 0.3 cm, e incluso mejores para una separación mayor. Sin embargo, parece haber un problema de saturación del algoritmo para distancias mayores a 0.1 cm. Esto quizás podría resolverse aumentando aun más el número de “shots”. Finalmente, con este trabajo queda demostrado que un algoritmo de computación cuántica puede ser utilizado para la reconstrucción de vértices. Se abren con ´el un campo con muchas opciones interesantes donde seguro que el proceso y los parámetros pueden optimizarse y llegar a obtenerse resultados mejores.