論文の概要: A quantum algorithm for model independent searches for new physics

• arxiv url: http://arxiv.org/abs/2003.02181v2
• Date: Sun, 2 Aug 2020 20:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 05:16:37.778043
• Title: A quantum algorithm for model independent searches for new physics
• Title（参考訳）: 新しい物理学のためのモデル独立探索のための量子アルゴリズム
• Authors: Konstantin T. Matchev, Prasanth Shyamsundar and Jordan Smolinsky
• Abstract要約: 多次元双対コライダーデータにおける非モデル化異常を探索するための新しい量子手法を提案する。 我々は、イジング格子スピンサイトを各ビンに関連付け、観測データから好適に構築する。 データ中の空間的に相関する異常を捉えるために,近隣のサイト間のスピンスピン相互作用を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel quantum technique to search for unmodelled anomalies in multi-dimensional binned collider data. We propose to associate an Ising lattice spin site with each bin, with the Ising Hamiltonian suitably constructed from the observed data and a corresponding theoretical expectation. In order to capture spatially correlated anomalies in the data, we introduce spin-spin interactions between neighboring sites, as well as self-interactions. The ground state energy of the resulting Ising Hamiltonian can be used as a new test statistic, which can be computed either classically or via adiabatic quantum optimization. We demonstrate that our test statistic outperforms some of the most commonly used goodness-of-fit tests. The new approach greatly reduces the look-elsewhere effect by exploiting the typical differences between statistical noise and genuine new physics signals.
• Abstract（参考訳）: 多次元双対衝突型衝突型データの非モデル化異常を探索する新しい量子技術を提案する。 我々は,Ising格子スピンサイトを各ビンに関連付けることを提案し,Ising Hamiltonianは観測データとそれに対応する理論的な期待値から適切に構成する。 データに空間的に相関する異常を捉えるために,近傍のサイト間のスピンスピン相互作用と自己相互作用を導入する。 結果のイジング・ハミルトニアンの基底状態エネルギーは、古典的あるいは断熱的量子最適化によって計算できる新しいテスト統計量として利用することができる。 テストの統計は、最もよく使われる適合度テストよりも優れています。 この新しいアプローチは、統計ノイズと真の新しい物理信号の典型的な相違を利用することにより、見た目上の効果を大幅に低減する。

関連論文リスト

• ShadowGPT: Learning to Solve Quantum Many-Body Problems from Randomized Measurements [2.1946359779523332]
  本稿では,量子実験から収集したランダム化測定データから学習することで,量子多体問題を解く新しい手法であるShadowGPTを提案する。 このモデルは量子ハミルトニアンの基底状態のシミュレーションされた古典的影データに基づいて訓練された生成前訓練変圧器(GPT)である。
  論文  参考訳（メタデータ） (2024-11-05T17:34:03Z)
• Learning the dynamics of Markovian open quantum systems from experimental data [3.7127285734321203]
  このアルゴリズムはマルコフ・チェイン・モンテカルロのアプローチに基づいている。 我々は,1対の量子エミッタ上で実行される量子光学実験について,我々のアルゴリズムをベンチマークした。
  論文  参考訳（メタデータ） (2024-10-23T15:14:59Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Overdispersion in gate tomography: Experiments and continuous, two-scale random walk model on the Bloch sphere [0.6249768559720122]
  既存のノイズモデルでは,アルゴリズムのランタイム上でのノイズ効果の凝集を適切に捉えることができないことを示す。 ゲート操作数の関数として読み出し確率のノイズモデルを開発する。 過分散を考慮した2番目のランダムウォークを複数の読み出しスケールで重畳する。
  論文  参考訳（メタデータ） (2024-07-04T14:44:53Z)
• Tailored and Externally Corrected Coupled Cluster with Quantum Inputs [0.0]
  本稿では、量子コンピュータから得られる波動関数の重なりを古典的な分割振幅の手法の入力として用いることを提案する。 我々は、どの波動関数の準備スキームが量子優位性をもたらすかの洞察を提供する。
  論文  参考訳（メタデータ） (2023-12-13T12:57:39Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Human Trajectory Prediction via Neural Social Physics [63.62824628085961]
  軌道予測は多くの分野において広く研究され、多くのモデルベースおよびモデルフリーな手法が研究されている。 ニューラル微分方程式モデルに基づく新しい手法を提案する。 我々の新しいモデル(ニューラル社会物理学またはNSP)は、学習可能なパラメータを持つ明示的な物理モデルを使用するディープニューラルネットワークである。
  論文  参考訳（メタデータ） (2022-07-21T12:11:18Z)
• State preparation and measurement in a quantum simulation of the O(3) sigma model [65.01359242860215]
  我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。 本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。 非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
  論文  参考訳（メタデータ） (2020-06-28T23:44:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。