論文の概要: Hybrid Quantum Classical Graph Neural Networks for Particle Track Reconstruction

• arxiv url: http://arxiv.org/abs/2109.12636v1
• Date: Sun, 26 Sep 2021 15:47:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 09:24:27.151215
• Title: Hybrid Quantum Classical Graph Neural Networks for Particle Track Reconstruction
• Title（参考訳）: 粒子軌道再構成のためのハイブリッド量子古典グラフニューラルネットワーク
• Authors: Cenk T\"uys\"uz, Carla Rieger, Kristiane Novotny, Bilge Demirk\"oz, Daniel Dobos, Karolos Potamianos, Sofia Vallecorsa, Jean-Roch Vlimant, Richard Forster
• Abstract要約: 大型ハドロン衝突型加速器(LHC)は、粒子衝突の瞬間速度(光度)をさらに高めるためにアップグレードされる。 HL-LHCは、さらに多くの検出器ヒットを発生させるだろう。 本研究では,新しいグラフニューラルネットワークモデルをハイブリッド量子古典グラフニューラルネットワークに変換する可能性について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Large Hadron Collider (LHC) at the European Organisation for Nuclear Research (CERN) will be upgraded to further increase the instantaneous rate of particle collisions (luminosity) and become the High Luminosity LHC (HL-LHC). This increase in luminosity will significantly increase the number of particles interacting with the detector. The interaction of particles with a detector is referred to as "hit". The HL-LHC will yield many more detector hits, which will pose a combinatorial challenge by using reconstruction algorithms to determine particle trajectories from those hits. This work explores the possibility of converting a novel Graph Neural Network model, that can optimally take into account the sparse nature of the tracking detector data and their complex geometry, to a Hybrid Quantum-Classical Graph Neural Network that benefits from using Variational Quantum layers. We show that this hybrid model can perform similar to the classical approach. Also, we explore Parametrized Quantum Circuits (PQC) with different expressibility and entangling capacities, and compare their training performance in order to quantify the expected benefits. These results can be used to build a future road map to further develop circuit based Hybrid Quantum-Classical Graph Neural Networks.
• Abstract（参考訳）: 欧州原子核研究機構(CERN)の大型ハドロン衝突型加速器(LHC)は、粒子衝突(光度)の即時速度を高め、HL-LHC(High Luminosity LHC)となる。 この光度の増加は検出器と相互作用する粒子の数を大幅に増加させる。 粒子と検出器の相互作用は「hit」と呼ばれる。 HL-LHCはより多くの検出器ヒットを発生させ、それらのヒットから粒子軌道を決定するために再構成アルゴリズムを使用することで、組み合わせの課題を引き起こす。 この研究は、追跡検出器データとその複雑な形状のばらばらな性質を最適に考慮し得る、新しいグラフニューラルネットワークモデルを、変分量子層を使用することで恩恵を受けるハイブリッド量子古典グラフニューラルネットワークに変換する可能性を探求する。 このハイブリッドモデルが古典的手法に類似した性能を発揮することを示す。 また,PQC(Parametrized Quantum Circuits)の表現性やエンタングル能力について検討し,期待する利点を定量化するためにトレーニング性能を比較した。 これらの結果は将来の道路マップの構築に利用でき、回路ベースのハイブリッド量子古典グラフニューラルネットワークをさらに発展させることができる。

関連論文リスト

• Quantum Transfer Learning for MNIST Classification Using a Hybrid Quantum-Classical Approach [0.0]
  本研究は、画像分類タスクにおける量子コンピューティングと古典的機械学習の統合について検討する。 両パラダイムの強みを生かしたハイブリッド量子古典的アプローチを提案する。 実験結果から、ハイブリッドモデルが量子コンピューティングと古典的手法を統合する可能性を示す一方で、量子結果に基づいて訓練された最終モデルの精度は、圧縮された特徴に基づいて訓練された古典的モデルよりも低いことが示唆された。
  論文  参考訳（メタデータ） (2024-08-05T22:16:27Z)
• 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)
• A Comparison Between Invariant and Equivariant Classical and Quantum Graph Neural Networks [3.350407101925898]
  グラフニューラルネットワーク(GNN)のような深層幾何学的手法は、高エネルギー物理学における様々なデータ解析タスクに活用されている。 典型的なタスクはジェットタグであり、ジェットは異なる特徴とそれらの構成粒子間のエッジ接続を持つ点雲と見なされる。 本稿では,古典的グラフニューラルネットワーク(GNN)と,その量子回路との公平かつ包括的な比較を行う。
  論文  参考訳（メタデータ） (2023-11-30T16:19:13Z)
• Photonic Quantum Computing For Polymer Classification [62.997667081978825]
  2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。 高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2022-11-22T11:59:52Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Track reconstruction at the LUXE experiment using quantum algorithms [0.0]
  この実験は、QEDが非摂動となる強磁場状態における量子電磁力学(QED)を研究する。 シリコンピクセル追跡検出器を用いて生成した電子-陽電子対の速度を測定することは、この状態を研究する上で重要な要素である。 追跡検出器の4層を横断する陽電子の精密追跡は、高速なレーザー強度で非常に困難になる。
  論文  参考訳（メタデータ） (2022-10-24T08:10:26Z)
• On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification [88.31717434938338]
  ハイブリッドQCNNは、標準ニューラルネットワーク内に量子層を導入することで、CNNの古典的なアーキテクチャを豊かにする。 この研究で提案された新しいQCNNは、地球観測(EO)のユースケースとして選択された土地利用・土地被覆(LULC)分類に適用される。 マルチクラス分類の結果は,QCNNの性能が従来の性能よりも高いことを示すことによって,提案手法の有効性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T12:41:50Z)
• Performance of Particle Tracking Using a Quantum Graph Neural Network [1.0480625205078853]
  大型ハドロン衝突型加速器(LHC)は、粒子衝突(光度)の瞬間的な速度を高めるためにアップグレードされ、高輝度LHCとなる。 この研究は、指数関数的に増大するヒルベルト空間の恩恵を得るために、トラック再構成タスクで証明された新しいグラフニューラルネットワークモデルをハイブリッドグラフニューラルネットワークに変換する可能性を探究する。
  論文  参考訳（メタデータ） (2020-12-02T18:23:48Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• A Quantum Graph Neural Network Approach to Particle Track Reconstruction [1.087475836765689]
  本稿では,初期単純化ツリーネットワーク(TTN)モデルの低精度化を克服するために,反復的アプローチによる改良モデルを提案する。 我々は、量子コンピューティングの能力を活用して、非常に多くの状態を同時に評価し、それによって、大きなパラメータ空間を効果的に探索することを目指している。
  論文  参考訳（メタデータ） (2020-07-14T07:25:24Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。