論文の概要: Quantum jet clustering with LHC simulated data
- arxiv url: http://arxiv.org/abs/2209.08914v1
- Date: Mon, 19 Sep 2022 10:51:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-26 02:11:53.403865
- Title: Quantum jet clustering with LHC simulated data
- Title（参考訳）: LHCシミュレーションデータによる量子ジェットクラスタリング
- Authors: Jorge J. Mart\'inez de Lejarza, Leandro Cieri, Germ\'an Rodrigo
- Abstract要約: 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。
- 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 study the case where quantum computing could improve jet clustering by
considering two new quantum algorithms that might speed up classical jet
clustering algorithms. The first one is a quantum subroutine to compute a
Minkowski-based distance between two data points, while the second one consists
of a quantum circuit to track the rough maximum into a list of unsorted data.
When one or both algorithms are implemented in 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. Furthermore,
in the first two algorithms, an exponential speed up in dimensionality and data
length can be achieved when applying the distance or the maximum search
algorithm. In the $k_T$ algorithm, a quantum version of the same order as
FastJet is achieved.
- Abstract（参考訳）: 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。
ひとつは2つのデータポイント間のミンコフスキーベースの距離を計算する量子サブルーチンで、もうひとつは粗い最大値を追跡する量子回路で構成される。
既知の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で1つまたは2つのアルゴリズムが実装されると、従来のアルゴリズムに匹敵する効率が得られる。
さらに、第1の2つのアルゴリズムでは、距離や最大探索アルゴリズムを適用する際に、次元およびデータ長の指数的な高速化を実現することができる。
k_t$アルゴリズムでは、fastjetと同じ順序の量子バージョンが実現されている。
関連論文リスト
- Quantum algorithms for Hopcroft's problem [45.45456673484445]
計算幾何学の基本的な問題であるホップクロフト問題に対する量子アルゴリズムについて検討する。
この問題の古典的な複雑さはよく研究されており、最もよく知られているアルゴリズムは$O(n4/3)の時間で動作する。
我々の結果は、時間複雑性が$widetilde O(n5/6)$の2つの異なる量子アルゴリズムである。
論文 参考訳（メタデータ） (2024-05-02T10:29:06Z) - Generalized quantum Arimoto-Blahut algorithm and its application to
quantum information bottleneck [55.22418739014892]
量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。
3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。
数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-11-19T00:06:11Z) - 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) - 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) - Quantum clustering and jet reconstruction at the LHC [0.0]
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。
論文 参考訳（メタデータ） (2022-04-13T16:27:04Z) - 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)
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。