Fugu-MT 論文翻訳(概要): SYMBA: Symbolic Computation of Squared Amplitudes in High Energy Physics with Machine ALearning

論文の概要: SYMBA: Symbolic Computation of Squared Amplitudes in High Energy Physics with Machine ALearning

arxiv url: http://arxiv.org/abs/2206.08901v1
Date: Fri, 17 Jun 2022 17:22:52 GMT
ステータス: 処理完了
システム内更新日: 2022-06-20 15:07:52.475522
Title: SYMBA: Symbolic Computation of Squared Amplitudes in High Energy Physics with Machine ALearning
Title（参考訳）: SYMBA:機械学習による高エネルギー物理における正方形振幅の記号計算
Authors: Abdulhakim Alnuqaydan, Sergei Gleyzer, Harrison Prosper
Abstract要約: 我々はシーケンス・ツー・シーケンス・トランスモデルを用いて相互作用の2乗振幅を計算する。本研究では,QCDおよびQEDプロセスの2乗振幅の89.0%と99.4%を精度良く予測できる変換器モデルを示す。
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: The cross section is one of the most important physical quantities in high-energy physics and the most time consuming to compute. While machine learning has proven to be highly successful in numerical calculations in high-energy physics, analytical calculations using machine learning are still in their infancy. In this work, we use a sequence-to-sequence transformer model to compute a key element of the cross section calculation, namely, the squared amplitude of an interaction. We show that a transformer model is able to predict correctly 89.0% and 99.4% of squared amplitudes of QCD and QED processes, respectively. We discuss the performance of the current model, its limitations and possible future directions for this work.
Abstract（参考訳）: 断面は高エネルギー物理学において最も重要な物理量の一つであり、計算に最も時間がかかる。機械学習は高エネルギー物理学における数値計算で非常に成功したが、機械学習を用いた解析計算はまだ初期段階にある。本研究では,区間計算のキー要素,すなわち相互作用の2乗振幅を計算するためにシーケンシャル・ツー・シーケンス変換モデルを用いる。変圧器モデルは, qcdとqedの2乗振幅の89.0%と99.4%を精度良く予測できることを示した。我々は,現在のモデルの性能,限界,今後の方向性について考察する。

関連論文リスト

Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
論文参考訳（メタデータ） (2024-06-20T15:25:13Z)
Solving Differential Equations using Physics-Informed Deep Equilibrium Models [4.237218036051422]
本稿では、常微分方程式(ODE)の初期値問題(IVP)を解決する物理インフォームド・ディープ平衡モデル(PIDEQ)を提案する。この研究は、深層学習と物理に基づくモデリングをブリッジすることで、IVPを解くための計算技術を進歩させ、科学計算と工学の応用に寄与する。
論文参考訳（メタデータ） (2024-06-05T17:25:29Z)
Sparse Simulation of VQE Circuits for Quantum Chemistry [0.0]
Variational Quantum Eigensolver (VQE) は将来のノイズ中間量子(NISQ)デバイスのための有望なアルゴリズムである。本稿では,イテレーティブなQubit Coupled Cluster (iQCC) アンサッツの古典的シミュレーションについて考察する。
論文参考訳（メタデータ） (2024-04-15T18:00:05Z)
Quantum-informed simulations for mechanics of materials: DFTB+MBD framework [40.83978401377059]
本研究では, 材料工学に関連するシステムの力学特性を量子効果によってどのように変化させるかを検討する。この作業で提示されたすべてのコード、データセット、サンプルを含むオープンソースリポジトリを提供する。
論文参考訳（メタデータ） (2024-04-05T16:59:01Z)
QH9: A Quantum Hamiltonian Prediction Benchmark for QM9 Molecules [69.25826391912368]
QH9と呼ばれる新しい量子ハミルトンデータセットを生成し、999または2998の分子動力学軌道に対して正確なハミルトン行列を提供する。現在の機械学習モデルでは、任意の分子に対するハミルトン行列を予測する能力がある。
論文参考訳（メタデータ） (2023-06-15T23:39:07Z)
Physics-informed machine learning for moving load problems [1.07096034039364]
本稿では,物理インフォームド・機械学習(PIML)を用いた移動負荷の前方および逆問題に対する新しいシミュレーション手法を提案する。物理インフォームドニューラルネットワーク(PINN)は、移動負荷問題の基盤となる物理を利用して、ビームの偏向と負荷の大きさを予測する。
論文参考訳（メタデータ） (2023-04-01T18:32:56Z)
Faster spectral density calculation using energy moments [77.34726150561087]
我々は、最近提案されたガウス積分変換法を、ハミルトニアン系のフーリエモーメントの観点から再構成する。このフレームワークの主な利点の1つは、計算コストの大幅な削減を可能にすることである。
論文参考訳（メタデータ） (2022-11-01T23:57:58Z)
First design of a superconducting qubit for the QUB-IT experiment [50.591267188664666]
QUB-ITプロジェクトの目標は、量子非破壊(QND)測定と絡み合った量子ビットを利用した、反復的な単一光子カウンタを実現することである。本稿では,Qiskit-Metalを用いた共振器に結合したトランスモン量子ビットからなる第1の超伝導デバイスの設計とシミュレーションを行う。
論文参考訳（メタデータ） (2022-07-18T07:05:10Z)
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)
Assessing the Precision of Quantum Simulation of Many-Body Effects in Atomic Systems using the Variational Quantum Eigensolver Algorithm [0.0]
本研究では,原子系の基底状態エネルギーにおける平均場近似を超えた物理効果について検討した。古典量子ハイブリッド変分量子固有解法(VQE)アルゴリズムを用いる。より多くの量子ビットが利用可能になると、我々の研究は、様々なアプリケーションに対する他の興味のある特性を計算するための最初のステップとして機能する。
論文参考訳（メタデータ） (2021-01-14T11:26:32Z)
Considerations for evaluating thermodynamic properties with hybrid quantum-classical computing work-flows [0.0]
量子コンピュータにおける量子化学の応用は、現在、変分量子固有解法アルゴリズムに大きく依存している。本稿では、熱力学特性を計算するために、ハイブリッド量子古典型ワークフローの要約を示す。作業フローオプションの選択を慎重に行うことで、等価な計算時間でほぼオーダーオブマグニチュードの精度が向上できることが示される。
論文参考訳（メタデータ） (2020-03-04T19:32:53Z)

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。