論文の概要: Dual-Parameterized Quantum Circuit GAN Model in High Energy Physics
- arxiv url: http://arxiv.org/abs/2103.15470v1
- Date: Mon, 29 Mar 2021 10:06:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-31 01:13:45.245667
- Title: Dual-Parameterized Quantum Circuit GAN Model in High Energy Physics
- Title(参考訳): 高エネルギー物理におけるデュアルパラメータ量子回路GANモデル
- Authors: Su Yeon Chang, Steven Herbert, Sofia Vallecorsa, El\'ias F. Combarro,
Ross Duncan
- Abstract要約: 我々は、qGAN、デュアル汎用量子回路(PQC)GANの新しい設計を提示します。
第1のPQCはN画素画像上の確率分布を学習し、第2のPQCは個々の画像の正規化画素強度を生成する。
両PQCアーキテクチャは,画素画像に変換されたカロリーメータ出力を模倣する作業で評価する。
- 参考スコア(独自算出の注目度): 1.1549572298362782
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative models, and Generative Adversarial Networks (GAN) in particular,
are being studied as possible alternatives to Monte Carlo simulations. It has
been proposed that, in certain circumstances, simulation using GANs can be
sped-up by using quantum GANs (qGANs). We present a new design of qGAN, the
dual-Parameterized Quantum Circuit(PQC) GAN, which consists of a classical
discriminator and two quantum generators which take the form of PQCs. The first
PQC learns a probability distribution over N-pixel images, while the second
generates normalized pixel intensities of an individual image for each PQC
input. With a view to HEP applications, we evaluated the dual-PQC architecture
on the task of imitating calorimeter outputs, translated into pixelated images.
The results demonstrate that the model can reproduce a fixed number of images
with a reduced size as well as their probability distribution and we anticipate
it should allow us to scale up to real calorimeter outputs.
- Abstract(参考訳): 生成モデル、特にGAN(Generative Adversarial Networks)はモンテカルロシミュレーションの代替として研究されている。
特定の状況下では、量子GAN(qGAN)を用いて、GANを用いたシミュレーションを行うことができることが提案されている。
我々は、古典的判別器とPQCの形式をとる2つの量子発生器からなる二重パラメータ化量子回路(PQC)であるqGANの新たな設計を提案する。
第1のPQCはN画素画像上の確率分布を学習し、第2のPQC入力毎に個々の画像の正規化画素強度を生成する。
我々は,HEP の応用を視野に入れ,両PQC アーキテクチャを,温度計出力を模倣して画素画像に変換する作業で評価した。
その結果, モデルでは, 画像のサイズを小さくして, 確率分布を再現できることを示すとともに, 実際のカロリー出力までスケールアップできることを期待できることがわかった。
関連論文リスト
- Scalability enhancement of quantum computing under limited connectivity through distributed quantum computing [0.8602553195689513]
単一QPU量子コンピューティングを用いた分散量子コンピューティングにおける2QPUエンタングルメントのベンチマークを行った。
平均ゲート忠実度,重出力確率,線形クロスエントロピーの3つの図形の1対1対応性を示す。
論文 参考訳(メタデータ) (2024-05-17T17:56:37Z) - Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。
量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
論文 参考訳(メタデータ) (2024-02-25T16:57:51Z) - Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。
耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。
距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
論文 参考訳(メタデータ) (2024-02-22T16:33:48Z) - A Full Quantum Generative Adversarial Network Model for High Energy Physics Simulations [0.0]
我々は,8ピクセルの小型キャラクタリメータシャワー画像を生成するために,GANモデルを開発した。
従来の量子モデルよりも有利な点は、このモデルがピクセルエネルギー値を含む実際の個々の画像を生成することである。
完全量子GANモデルの結果は、古典的判別器ニューラルネットワークを用いたハイブリッド量子古典モデルと比較される。
論文 参考訳(メタデータ) (2023-05-12T06:57:31Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳(メタデータ) (2023-03-27T22:48:28Z) - Simulation of Entanglement Generation between Absorptive Quantum
Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。
本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。
本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文 参考訳(メタデータ) (2022-12-17T05:51:17Z) - Running the Dual-PQC GAN on noisy simulators and real quantum hardware [0.4925906256430174]
先程の研究では、量子GANのプロトタイプを紹介した。
本稿では,異なる種類の量子ノイズの存在下での性能について検討する。
その結果,現行のハードウェア上でモデルを実行する可能性が示唆された。
論文 参考訳(メタデータ) (2022-05-30T11:31:44Z) - Qubit-efficient simulation of thermal states with quantum tensor
networks [13.128146097939263]
相互作用する量子多体系の熱状態を変動的に生成するホログラフィック量子シミュレーションアルゴリズムを提案する。
本研究では,Quantinuumのトラップイオン量子プロセッサ上で,この手法の原理実証を行う。
論文 参考訳(メタデータ) (2022-05-12T18:26:49Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳(メタデータ) (2021-03-04T18:21:00Z) - Simulating Many-Body Systems with a Projective Quantum Eigensolver [0.0]
単一結合クラスタ波動関数を最適化するための新しいハイブリッド量子古典アルゴリズムを提案する。
また、任意の順序の粒子ホール演算子から構築された適応アンサッツを用いたPQE(SPQE)の選択版も導入する。
論文 参考訳(メタデータ) (2021-01-31T00:31:12Z) - Quantum Random Number Generation using a Solid-State Single-Photon
Source [89.24951036534168]
量子乱数生成(QRNG)は、量子力学現象の固有乱数性を利用する。
六方晶窒化ホウ素の量子エミッタによるQRNGの実証を行った。
本研究は,オンチップ決定性乱数生成器の製作への新たな道を開くものである。
論文 参考訳(メタデータ) (2020-01-28T22:47:43Z)
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。