Fugu-MT 論文翻訳(概要): Quantum Machine Learning and its Supremacy in High Energy Physics

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

arxiv url: http://arxiv.org/abs/2011.11478v1
Date: Tue, 17 Nov 2020 17:12:17 GMT
ステータス: 処理完了
システム内更新日: 2023-04-23 21:13:41.934057
Title: Quantum Machine Learning and its Supremacy in High Energy Physics
Title（参考訳）: 量子機械学習とその高エネルギー物理学における優位性
Authors: Kapil K. Sharma
Abstract要約: 本稿では,高エネルギー物理学における量子アルゴリズムの将来展望を明らかにする。これらの問題を解決する主要な技術はパターン認識であり、機械学習の重要な応用である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article reveals the future prospects of quantum algorithms in high energy physics (HEP). Particle identification, knowing their properties and characteristics is a challenging problem in experimental HEP. The key technique to solve these problems is pattern recognition, which is an important application of machine learning and unconditionally used for HEP problems. To execute pattern recognition task for track and vertex reconstruction, the particle physics community vastly use statistical machine learning methods. These methods vary from detector to detector geometry and magnetic field used in the experiment. Here in the present introductory article, we deliver the future possibilities for the lucid application of quantum computation and quantum machine learning in HEP, rather than focusing on deep mathematical structures of techniques arise in this domain.
Abstract（参考訳）: 本稿では,高エネルギー物理学における量子アルゴリズムの将来展望を明らかにする。粒子の同定, 特性, 特性を知ることは実験用HEPにおいて難しい問題である。これらの問題を解決する主要な技術はパターン認識であり、機械学習の重要な応用であり、HEP問題に無条件で使用される。追跡と頂点再構成のためのパターン認識タスクを実行するために、粒子物理学コミュニティは統計機械学習手法を大いに利用している。これらの方法は検出器から検出器の形状や実験で使われる磁場によって異なる。本稿では,量子計算とhepにおける量子機械学習のルーシッド応用について,この領域で発生した手法の深い数学的構造に焦点をあてるのではなく,今後の可能性について述べる。

関連論文リスト

Quantum Frontiers in High Energy Physics [9.663373038813354]
標準モデルを超えた新しい物理の微妙な効果を検知する量子デバイスの可能性について論じる。また、初期の宇宙や衝突機におけるリアルタイム非摂動力学の研究における量子アルゴリズムと大規模量子コンピュータの変換的役割についても論じる。
論文参考訳（メタデータ） (2024-11-18T05:41:08Z)
Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
論文参考訳（メタデータ） (2024-04-01T20:55:03Z)
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)
Application of Quantum Machine Learning in a Higgs Physics Study at the CEPC [5.747925022035578]
我々は、Circular Electron-Positron Collider (CEPC)において、量子機械学習アルゴリズムを用いて、$e+e- rightarrow ZH$プロセスの研究を行った。量子コンピュータシミュレータの6キュービットを用いて,QSVM-カーネルアルゴリズムを最適化し,従来のサポートベクトルマシンアルゴリズムと同様の分類性能を得た。我々の研究は、最先端の量子コンピューティング技術が粒子物理学によって活用できることを示した。
論文参考訳（メタデータ） (2022-09-26T15:46:30Z)
Quantum computing for data analysis in high energy physics [1.6002009406818865]
本稿では,量子コンピューティングの高エネルギー物理学におけるデータ解析への応用について概説する。本稿では、これらの新しい分析手法を日々の分析ワークフローに統合する際の課題と機会について論じる。
論文参考訳（メタデータ） (2022-03-15T18:27:43Z)
Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文参考訳（メタデータ） (2021-06-24T15:58:57Z)
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 Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。量子回路合成問題における時間-最適制御の強化について述べる。我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文参考訳（メタデータ） (2020-06-19T19:12:14Z)
An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文参考訳（メタデータ） (2020-05-06T14:18:44Z)
Machine Learning for Quantum Matter [0.0]
本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
論文参考訳（メタデータ） (2020-03-24T18:00:30Z)

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。