論文の概要: Style-based quantum generative adversarial networks for Monte Carlo events

• arxiv url: http://arxiv.org/abs/2110.06933v1
• Date: Wed, 13 Oct 2021 18:00:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-15 15:05:00.249523
• Title: Style-based quantum generative adversarial networks for Monte Carlo events
• Title（参考訳）: モンテカルロ事象に対するスタイルに基づく量子生成逆ネットワーク
• Authors: Carlos Bravo-Prieto, Julien Baglio, Marco C\`e, Anthony Francis, Dorota M. Grabowska, Stefano Carrazza
• Abstract要約: モンテカルロイベント生成における生成逆学習の文脈における代替量子発生器アーキテクチャの提案と評価を行う。 我々は、既知の基礎分布から生成された人工データに量子ネットワークを実装することにより、この手法を検証する。 ネットワークは、特定のLHC散乱過程のモンテカルロ生成データセットに適用される。
• 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 and assess an alternative quantum generator architecture in the context of generative adversarial learning for Monte Carlo event generation, used to simulate particle physics processes at the Large Hadron Collider (LHC). We validate this methodology by implementing the quantum network on artificial data generated from known underlying distributions. The network is then applied to Monte Carlo-generated datasets of specific LHC scattering processes. The new quantum generator architecture leads to an improvement in state-of-the-art implementations while maintaining shallow-depth networks. Moreover, the quantum generator successfully learns the underlying distribution functions even if trained with small training sample sets; this is particularly interesting for data augmentation applications. We deploy this novel methodology on two different quantum hardware architectures, trapped-ion and superconducting technologies, to test its hardware-independent viability.
• Abstract（参考訳）: 大型ハドロン衝突型加速器(LHC)における粒子物理過程のシミュレーションに用いるモンテカルロイベント生成のための生成逆学習の文脈における代替量子ジェネレータアーキテクチャの提案と評価を行った。 我々は、既知の分布から生成された人工データに量子ネットワークを実装することにより、この手法を検証する。 ネットワークは、特定のLHC散乱過程のモンテカルロ生成データセットに適用される。 新しい量子ジェネレータアーキテクチャは、浅い深度ネットワークを維持しながら最先端の実装を改善する。 さらに、量子発生器は、小さなトレーニングサンプルセットで訓練しても、基礎となる分布関数をうまく学習する。 我々は,この新しい手法を,トラップイオンと超伝導技術という2つの異なる量子ハードウェアアーキテクチャ上に展開し,ハードウェア非依存の生存性をテストする。

関連論文リスト

• LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [7.945302052915863]
  量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。 本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
  論文  参考訳（メタデータ） (2024-09-22T23:18:06Z)
• Quantum Federated Learning for Distributed Quantum Networks [9.766446130011706]
  本稿では,量子力学の興味深い特徴を利用した分散量子ネットワークのための量子フェデレーション学習を提案する。 分散量子ネットワーク内のクライアントがローカルモデルをトレーニングするのを助けるために、量子勾配降下アルゴリズムが提供される。 量子セキュアなマルチパーティ計算プロトコルを設計し,中国の残差定理を用いた。
  論文  参考訳（メタデータ） (2022-12-25T14:37:23Z)
• 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)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• Quantum Generative Adversarial Networks in a Continuous-Variable Architecture to Simulate High Energy Physics Detectors [0.0]
  連続可変量子計算に用いる新しい量子GAN(qGAN)のプロトタイプを導入し,解析する。 量子と古典的判別器を備えた2つのCV qGANモデルを用いて、小型でカロリーの出力を再現する実験を行った。
  論文  参考訳（メタデータ） (2021-01-26T23:33:14Z)
• 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)
• Realizing a quantum generative adversarial network using a programmable superconducting processor [17.3986929818418]
  本稿では,プログラム可能な超伝導プロセッサを用いた量子生成逆数ネットワーク(QGAN)の実験的実装について報告する。 我々の実装は、ノイズの多い中間スケールの量子デバイスにスケールすることを約束しています。
  論文  参考訳（メタデータ） (2020-09-27T12:09:33Z)
• SeQUeNCe: A Customizable Discrete-Event Simulator of Quantum Networks [53.56179714852967]
  この研究は、包括的でカスタマイズ可能な量子ネットワークシミュレータであるSeQUeNCeを開発した。 本研究では,9つのルータに量子メモリを具備したフォトニック量子ネットワークをシミュレートし,SeQUeNCeの利用を実証する。 オープンソースツールとしてSeQUeNCeをリリースしています。
  論文  参考訳（メタデータ） (2020-09-25T01:52:15Z)
• Noise robustness and experimental demonstration of a quantum generative adversarial network for continuous distributions [0.5249805590164901]
  連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。 また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。 我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
  論文  参考訳（メタデータ） (2020-06-02T23:14:45Z)
• 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。