論文の概要: Quantum clustering and jet reconstruction at the LHC

• arxiv url: http://arxiv.org/abs/2204.06496v4
• Date: Mon, 29 Aug 2022 09:09:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-17 02:45:42.662678
• Title: Quantum clustering and jet reconstruction at the LHC
• Title（参考訳）: LHCにおける量子クラスタリングとジェット再構成
• Authors: Jorge J. Mart\'inez de Lejarza, Leandro Cieri, Germ\'an Rodrigo
• Abstract要約: CERNのLarge Hadron Colliderでのジェットクラスタリングは計算コストが高い。 古典ジェットクラスタリングアルゴリズムを高速化する2つの新しい量子アルゴリズムを考える。
• 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: Clustering is one of the most frequent problems in many domains, in particular, in particle physics where jet reconstruction is central in experimental analyses. Jet clustering at the CERN's Large Hadron Collider (LHC) is computationally expensive and the difficulty of this task will increase with the upcoming High-Luminosity LHC (HL-LHC). In this paper, we study the case in which quantum computing algorithms might improve jet clustering by considering two novel quantum algorithms which may speed up the classical jet clustering algorithms. The first one is a quantum subroutine to compute a Minkowski-based distance between two data points, whereas the second one consists of a quantum circuit to track the maximum into a list of unsorted data. The latter algorithm could be of value beyond particle physics, for instance in statistics. When one or both of these algorithms are implemented into the classical versions of well-known clustering algorithms (K-means, Affinity Propagation and $k_T$-jet) we obtain efficiencies comparable to those of their classical counterparts. Even more, exponential speed-up could be achieved, in the first two algorithms, in data dimensionality and data length when the distance algorithm or the maximum searching algorithm are applied.
• Abstract（参考訳）: クラスタリングは、多くの領域、特にジェットの再構成が実験分析の中心となる粒子物理学において最も頻繁に発生する問題の1つである。 CERNの大型ハドロン衝突型加速器 (LHC) でのジェットクラスタリングは計算に高価であり、この作業の難しさは今後の高輝度LHC (HL-LHC) によって増大する。 本稿では,古典的ジェットクラスタリングアルゴリズムを高速化する2つの新しい量子アルゴリズムを考えることにより,量子コンピューティングアルゴリズムがジェットクラスタリングを改善する可能性について検討する。 1つは、ミンコフスキーに基づく2つのデータポイント間の距離を計算する量子サブルーチンであり、もう1つは、最大値を追跡する量子回路で構成されている。 後者のアルゴリズムは、例えば統計学において、粒子物理学を超える価値がある。 これらのアルゴリズムの一方または両方が、よく知られたクラスタリングアルゴリズム(K-means, Affinity Propagation, $k_T$-jet)の古典的なバージョンに実装されると、それらの古典的なアルゴリズムに匹敵する効率が得られる。 さらに、最初の2つのアルゴリズムでは、距離アルゴリズムや最大探索アルゴリズムが適用されると、データ次元とデータ長さにおいて指数的なスピードアップを達成できる。

関連論文リスト

• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum-Annealing-Inspired Algorithms for Track Reconstruction at High-Energy Colliders [0.0]
  トラック再構成は二次的制約のない2進最適化問題として定式化することができる。 粒子追跡問題の解法としてシミュレートされた分岐アルゴリズムを用いることができることを示す。
  論文  参考訳（メタデータ） (2024-02-22T17:19:03Z)
• A quantum advantage over classical for local max cut [48.02822142773719]
  量子最適化近似アルゴリズム(QAOA)は、次数3グラフ上の古典的手法に匹敵する計算上の優位性を持つ。 結果として、最先端の量子ハードウェアに関係している小規模量子計算でさえ、比較可能な単純な古典よりも大きな優位性を持つ可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-17T16:42:05Z)
• NISQ-friendly measurement-based quantum clustering algorithms [0.7373617024876725]
  2つの新しい測定に基づく量子クラスタリングアルゴリズムが提案されている。 第1のアルゴリズムは分割的なアプローチに従っており、第2のアルゴリズムはアンシャープの測定に基づいている。 どちらのアルゴリズムも本質的に単純であり、実装が容易であり、ノイズの多い中間量子コンピュータに適している。
  論文  参考訳（メタデータ） (2023-02-01T16:38:27Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Quantum jet clustering with LHC simulated data [0.0]
  2つの新しい量子アルゴリズムは、古典的なジェットクラスタリングアルゴリズムを高速化する。 最初の2つのアルゴリズムでは、次元とデータ長の指数的なスピードアップを達成することができる。 k_T$アルゴリズムでは、FastJetと同じ順序の量子バージョンが達成される。
  論文  参考訳（メタデータ） (2022-09-19T10:51:13Z)
• Variational Quantum and Quantum-Inspired Clustering [0.0]
  本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。 このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
  論文  参考訳（メタデータ） (2022-06-20T17:02:19Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• Quantum K-medians Algorithm Using Parallel Euclidean Distance Estimator [0.0]
  本稿では,量子ユークリッド推定アルゴリズムを用いた効率的な量子k-メディアンクラスタリングアルゴリズムを提案する。 提案した量子k-メディアンアルゴリズムは、古典的なバージョンに比べて指数速度が向上した。
  論文  参考訳（メタデータ） (2020-12-21T06:38:20Z)
• Differentially Private Clustering: Tight Approximation Ratios [57.89473217052714]
  基本的なクラスタリング問題に対して,効率的な微分プライベートアルゴリズムを提案する。 この結果から,SampleとAggregateのプライバシーフレームワークのアルゴリズムの改善が示唆された。 1-Clusterアルゴリズムで使用されるツールの1つは、ClosestPairのより高速な量子アルゴリズムを適度な次元で得るために利用できる。
  論文  参考訳（メタデータ） (2020-08-18T16:22:06Z)

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。