論文の概要: Leveraging Quantum Annealer to identify an Event-topology at High Energy Colliders

• arxiv url: http://arxiv.org/abs/2111.07806v1
• Date: Mon, 15 Nov 2021 14:42:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-08 02:27:08.156404
• Title: Leveraging Quantum Annealer to identify an Event-topology at High Energy Colliders
• Title（参考訳）: 高エネルギー衝突時の事象トポロジー同定のための量子アニールの活用
• Authors: Minho Kim, Pyungwon Ko, Jae-hyeon Park, Myeonghun Park
• Abstract要約: 本稿では, イベントトポロジーを特定するために, 量子アニールを用いたシンプルでモチベーションの良い手法を提案する。 計算複雑性は粒子の順序に比例して大幅に低減できることを示す。
• 参考スコア（独自算出の注目度）: 3.39322931607753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With increasing energy and luminosity available at the Large Hadron collider (LHC), we get a chance to take a pure bottom-up approach solely based on data. This will extend the scope of our understanding about Nature without relying on theoretical prejudices. The required computing resource, however, will increase exponentially with data size and complexities of events if one uses algorithms based on a classical computer. In this letter we propose a simple and well motivated method with a quantum annealer to identify an event-topology, a diagram to describe the history of particles produced at the LHC. We show that a computing complexity can be reduced significantly to the order of polynomials which enables us to decode the "Big" data in a very clear and efficient way. Our method achieves significant improvements in finding a true event-topology, more than by a factor of two compared to a conventional method.
• Abstract（参考訳）: 大型ハドロン衝突型加速器(LHC)で利用可能なエネルギーと光度の増加により、我々はデータのみに基づいて純粋なボトムアップアプローチをとる機会を得る。 これは、理論的な偏見に頼ることなく、自然についての我々の理解の範囲を広げる。 しかし、必要な計算リソースは、古典的なコンピュータに基づくアルゴリズムを使用すると、データサイズとイベントの複雑さによって指数関数的に増加する。 本稿では,LHCで生成した粒子の歴史を記述したダイアグラムである事象トポロジーを同定するために,量子アニールを用いた簡便でモチベーションの良い方法を提案する。 計算複雑性は多項式の順序に比例して大幅に減少し,非常に明確かつ効率的な方法で「大きな」データを復号できることを示す。 本手法は,従来の手法に比べて2倍以上の真の事象トポロジーを求める際に大きな改善が得られた。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Walks on Simplicial Complexes and Harmonic Homology: Application to Topological Data Analysis with Superpolynomial Speedups [9.538251541300028]
  ラプラシアン(Laplacian)は、スペクトル特性が基礎となる単体錯体を反映する重要な数学的対象である。 以上の結果から,大規模データセットの量子オラクルを必要とせずに,量子ウォークによる超ポリノミカル量子スピードアップを実現した。
  論文  参考訳（メタデータ） (2024-04-23T18:00:17Z)
• The Computational Complexity of Concise Hypersphere Classification [49.57441416941195]
  本稿では,二元データに対する超球分類問題の複雑性理論による最初の研究である。 パラメータ化複雑性のパラダイムを用いて、入力データに存在する可能性のある構造特性の影響を分析する。
  論文  参考訳（メタデータ） (2023-12-12T09:33:03Z)
• Higher-order topological kernels via quantum computation [68.8204255655161]
  トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。 本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T14:48:52Z)
• Geometrical causality: casting Feynman integrals into quantum algorithms [0.0]
  本稿では,ループ・トレー・デュナリティに基づく効率的な戦略,その明確な因果表現,および基礎となる幾何学的解釈について論じる。 具体的には、幾何学的因果選択規則を利用して、基底状態が因果表現に寄与する項に直接関連しているハミルトニアンを定義する。 このようにして、問題は最小化に変換され、量子コンピュータに実装され、潜在的なスピードアップを探すことができる。
  論文  参考訳（メタデータ） (2023-05-15T11:22:51Z)
• Approximate complex amplitude encoding algorithm and its application to data classification problems [1.4843656413993453]
  古典的なデータベクトルを量子状態にロードするタスクは指数的な数の量子ゲートを必要とする。 量子状態の振幅に与えられた実数値データベクトルを大まかにロードする変動手段を用いた近似振幅符号化(AAE)法は,近距離デバイスを中心にこの問題に対する一般的なアプローチとして最近提案されている。 本研究では, AAEを拡張して, 複素数値データベクトルを扱えるようにする。
  論文  参考訳（メタデータ） (2022-11-23T15:46:29Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
  効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。 量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。 我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
  論文  参考訳（メタデータ） (2021-06-11T18:00:09Z)
• 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)
• A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
  固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。 我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
  論文  参考訳（メタデータ） (2020-06-22T08:35:58Z)

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。