論文の概要: Quantum Machine Learning in High Energy Physics

• arxiv url: http://arxiv.org/abs/2005.08582v2
• Date: Mon, 19 Oct 2020 14:39:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-19 11:34:27.866693
• Title: Quantum Machine Learning in High Energy Physics
• Title（参考訳）: 高エネルギー物理における量子機械学習
• Authors: Wen Guan, Gabriel Perdue, Arthur Pesah, Maria Schuld, Koji Terashi, Sofia Vallecorsa, Jean-Roch Vlimant
• Abstract要約: 本稿では,高エネルギー物理学における問題に対する量子機械学習を用いた第1世代の考え方を概説する。 興味深い疑問は、量子機械学習を高エネルギー物理学に適用する方法があるかどうかである。
• 参考スコア（独自算出の注目度）: 1.191194620421783
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning has been used in high energy physics for a long time, primarily at the analysis level with supervised classification. Quantum computing was postulated in the early 1980s as way to perform computations that would not be tractable with a classical computer. With the advent of noisy intermediate-scale quantum computing devices, more quantum algorithms are being developed with the aim at exploiting the capacity of the hardware for machine learning applications. An interesting question is whether there are ways to apply quantum machine learning to High Energy Physics. This paper reviews the first generation of ideas that use quantum machine learning on problems in high energy physics and provide an outlook on future applications.
• Abstract（参考訳）: 機械学習は、主に教師付き分類による分析レベルで、長い間、高エネルギー物理学で用いられてきた。 量子コンピューティングは1980年代初頭に古典的なコンピュータでは計算できない計算を行う方法として仮定された。 ノイズの多い中間規模の量子コンピューティングデバイスが出現し、機械学習アプリケーションのためのハードウェアの能力を活用するために、より多くの量子アルゴリズムが開発されている。 興味深い疑問は、量子機械学習を高エネルギー物理学に適用する方法があるかどうかである。 本稿では,高エネルギー物理学における問題に対する量子機械学習を用いた第1世代の考え方を概観し,今後の応用への展望を示す。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• Disentangling Hype from Practicality: On Realistically Achieving Quantum Advantage [13.163255711706864]
  我々は、量子コンピュータを実際に有用なものにするためには、小さなデータ問題と超二乗スピードアップを伴う量子アルゴリズムが不可欠であると主張している。 提案された量子アルゴリズムや応用のほとんどは、実用的と考えられるために必要なスピードアップを達成できていないが、物質科学や化学において、すでに大きなポテンシャルを見出している。
  論文  参考訳（メタデータ） (2023-07-02T09:14:32Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Systematic Literature Review: Quantum Machine Learning and its applications [0.0]
  この写本は、2017年から2023年にかけて発行された論文の体系的文献レビューを提示することを目的としている。 本研究では、量子機械学習技術とアルゴリズムを使用した94の論文を特定した。 既存の量子コンピュータには、量子コンピューティングがその完全な潜在能力を達成するのに十分な品質、速度、スケールが欠けているため、量子ハードウェアの改善が必要である。
  論文  参考訳（メタデータ） (2022-01-11T17:36:34Z)
• Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
  デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。 このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
  論文  参考訳（メタデータ） (2021-01-21T20:10:38Z)
• Quantum Computing without Quantum Computers: Database Search and Data Processing Using Classical Wave Superposition [101.18253437732933]
  スピン波重畳を用いた磁気データベース探索の実験データを示す。 古典的な波動に基づくアプローチは、量子コンピュータと同じ速度でデータベース検索を行う場合もあると我々は論じる。
  論文  参考訳（メタデータ） (2020-12-15T16:21:53Z)
• Quantum Computing Methods for Supervised Learning [0.08594140167290096]
  小型の量子コンピュータと量子アニールが製造され、既に商業的に販売されている。 我々は、教師付き機械学習問題への応用を探求する前に、量子コンピューティングの背景と重要な結果を要約する。
  論文  参考訳（メタデータ） (2020-06-22T06:34:42Z)
• Quantum Computation [0.0]
  量子計算の中核となる原理と応用分野について論じ,要約する。 物理系の挙動に対する計算のマッピングは歴史的課題である。 量子コンピュータが正しく機能するために必要な技術を評価する。
  論文  参考訳（メタデータ） (2020-06-04T11:57:18Z)

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。