2012年，歐洲大型強子對撞機(LHC)團隊宣布，他們證明了希格斯玻色子的存在，找到了粒子物理標準模型的最后一塊拼圖。CMS(緊湊繆子線圈)和ATLAS(超環面儀器)兩個實驗組都找到了質子對撞中制造出希格斯玻色子的證據。在這種方式中，希格斯玻色子會衰變成更常見的玻色子，比如一對高能光子。

但每次LHC讓兩個質子發生對撞，都會產生數百個其他粒子，當它們撞到探測器時，會被錯誤地解釋成光子。為了幫助加快搜尋到希格斯玻色子，ATLAS和CMS的物理學家用模擬數據訓練機器學習算法來“沙里淘金”——從假信號中“揪出”真光子。

最近，CMS搜索希格斯玻色子負責人之一、美國加州理工學院物理學教授瑪利亞·斯皮羅普魯想要了解量子計算機能否讓上述訓練過程更高效，尤其是在減少訓練系統所需的模擬數據數量方面，她說：“我想看看它到底能不能解決希格斯問題。”

她的合作者亞力克斯·莫特是倫敦“深度學習”項目的物理學家，他把學習過程轉換成了可用“量子退火”計算機(加拿大D-Wave系統公司開發)計算的問題。這類機器能通過使編碼量子信息的超導線圈降為最低能態，從而發現某些問題的最優解。

他們的想法是，讓量子計算機發現最佳標準，讓普通計算機接著使用這些標準在真實的數據中尋找光子的信號。為了檢驗這一理論，團隊用了位于南加州洛杉磯大學的D-Wave公司機器。實驗非常成功，斯皮羅普魯說：“我們已經能夠用小數據集訓練來得出最優解。”

ATLAS希格斯玻色子搜尋行動負責人之一克萊默說，這證明是可行的，這才是這項研究“最酷”的一部分。而且與傳統計算機相比，目前量子計算機并沒有明顯的技術優勢，但在未來的實驗中，數據量會更大，屆時量子機器學習將“大顯身手”。