論文の概要: Quantum anomaly detection in the latent space of proton collision events at the LHC

• arxiv url: http://arxiv.org/abs/2301.10780v1
• Date: Wed, 25 Jan 2023 19:00:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-27 15:14:00.773950
• Title: Quantum anomaly detection in the latent space of proton collision events at the LHC
• Title（参考訳）: LHCにおける陽子衝突事象の潜時空間における量子異常検出
• Authors: Kinga Anna Wo\'zniak, Vasilis Belis, Ema Puljak, Panagiotis Barkoutsos, G\"unther Dissertori, Michele Grossi, Maurizio Pierini, Florentin Reiter, Ivano Tavernelli, Sofia Vallecorsa
• Abstract要約: 教師なし量子機械学習アルゴリズムに基づくLHCにおける異常検出のための新しい手法を提案する。 カーネルベースの異常検出では、量子モデルが古典的よりも大幅に優れている状態を特定する。 観測された一貫した性能優位性は、使用した回路の固有量子特性と関係があることを実証する。
• 参考スコア（独自算出の注目度）: 1.0480625205078853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a new strategy for anomaly detection at the LHC based on unsupervised quantum machine learning algorithms. To accommodate the constraints on the problem size dictated by the limitations of current quantum hardware we develop a classical convolutional autoencoder. The designed quantum anomaly detection models, namely an unsupervised kernel machine and two clustering algorithms, are trained to find new-physics events in the latent representation of LHC data produced by the autoencoder. The performance of the quantum algorithms is benchmarked against classical counterparts on different new-physics scenarios and its dependence on the dimensionality of the latent space and the size of the training dataset is studied. For kernel-based anomaly detection, we identify a regime where the quantum model significantly outperforms its classical counterpart. An instance of the kernel machine is implemented on a quantum computer to verify its suitability for available hardware. We demonstrate that the observed consistent performance advantage is related to the inherent quantum properties of the circuit used.
• Abstract（参考訳）: 教師なし量子機械学習アルゴリズムに基づくLHCにおける異常検出のための新しい手法を提案する。 現在の量子ハードウェアの限界によって引き起こされる問題サイズの制約に対応するために、古典的畳み込みオートエンコーダを開発した。 設計した量子異常検出モデル、すなわち教師なしカーネルマシンと2つのクラスタリングアルゴリズムは、オートエンコーダによって生成されたlhcデータの潜在表現において新しい物理現象を見つけるように訓練される。 量子アルゴリズムの性能は、異なるニュー・フィジカルなシナリオにおける古典的コンペティタに対してベンチマークされ、潜在空間の次元とトレーニングデータセットのサイズに依存する。 カーネルに基づく異常検出では、量子モデルがその古典的モデルを大きく上回るレジームを同定する。 カーネルマシンのインスタンスは、利用可能なハードウェアに適合性を検証するために量子コンピュータに実装される。 観測された一貫した性能の利点は、使用する回路の固有量子特性に関係していることを実証する。

関連論文リスト

• Quantum Pattern Detection: Accurate State- and Circuit-based Analyses [2.564905016909138]
  状態および回路ベースコード解析を用いた量子パターンの自動検出のためのフレームワークを提案する。 経験的評価では、我々のフレームワークは量子パターンを非常に正確に検出することができ、既存の量子パターン検出手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-01-27T09:42:41Z)
• Quantum similarity learning for anomaly detection [0.0]
  類似性学習による異常検出のための量子コンピュータの可能性を探る。 ノイズの多い中間スケール量子デバイスでは、重スカラー共鳴を探索するために、ハイブリッド古典量子ネットワークを用いる。 本分析では,LHCデータ解析における量子アルゴリズムの適用性を強調し,フォールトトレラントな量子コンピュータの出現により改善が期待できる。
  論文  参考訳（メタデータ） (2024-11-15T03:55:09Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantum Visual Feature Encoding Revisited [8.839645003062456]
  本稿では,量子機械学習の初期段階である量子視覚符号化戦略を再考する。 根本原因を調べた結果,既存の量子符号化設計では符号化処理後の視覚的特徴の情報保存が不十分であることが判明した。 我々は、このギャップを最小限に抑えるために、量子情報保存と呼ばれる新しい損失関数を導入し、量子機械学習アルゴリズムの性能を向上した。
  論文  参考訳（メタデータ） (2024-05-30T06:15:08Z)
• 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)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Long-lived Particles Anomaly Detection with Parametrized Quantum Circuits [0.0]
  パラメタライズド量子回路に基づく異常検出アルゴリズムを提案する。 このアルゴリズムは古典的なコンピュータで訓練され、シミュレーションや実際の量子ハードウェアでテストされている。
  論文  参考訳（メタデータ） (2023-12-07T11:50:42Z)
• Unravelling physics beyond the standard model with classical and quantum anomaly detection [1.014313095022286]
  現在の実験では、追加のBeyond Standard Model(BSM)理論の発展を導く新しい物理学の兆候は示されていない。 本稿では,ランダムなプロセスによる異常の人工的生成に基づいて,教師付き学習環境で異常検出を行う新しい手法を提案する。 さらに有望なことに、人工的な異常を識別するために訓練されたSVCを用いることで、現実的なBSMイベントを高精度に識別することが可能である。
  論文  参考訳（メタデータ） (2023-01-25T19:00:14Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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)

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。