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
- Guided Quantum Compression for Higgs Identification [0.0]
量子機械学習は、データを解析するための根本的に斬新で有望なアプローチを提供する。
本研究では,従来のオートエンコーダを独立処理ステップとして使用することにより,量子機械学習アルゴリズムの分類性能を大幅に低下させることができることを示す。
我々は、前処理と量子分類アルゴリズムを単一のトレーニング可能なモデル、すなわちガイド付き量子圧縮モデルに統合するアーキテクチャを設計する。
論文 参考訳(メタデータ) (2024-02-14T19:01:51Z) - 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) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳(メタデータ) (2023-01-27T08:16:26Z) - 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) - Quantum artificial vision for defect detection in manufacturing [0.0]
ノイズ中間スケール量子(NISQ)デバイスを用いた量子コンピュータビジョンのアルゴリズムについて検討する。
私たちはそれらを、彼らの古典的な問題に対する真の問題としてベンチマークします。
これは製造ラインにおける産業関連の問題に対する量子コンピュータビジョンシステムの最初の実装である。
論文 参考訳(メタデータ) (2022-08-09T18:30:23Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳(メタデータ) (2022-04-26T09:52:02Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳(メタデータ) (2021-12-27T21:15:35Z) - Characterizing quantum instruments: from non-demolition measurements to
quantum error correction [48.43720700248091]
量子情報処理では、量子演算はしばしば古典的なデータをもたらす測定とともに処理される。
非単位の動的プロセスは、一般的な量子チャネルの記述が時間進化を記述するのに失敗するシステムで起こりうる。
量子測定は古典的な出力と測定後の量子状態の両方を計測するいわゆる量子機器によって正しく扱われる。
論文 参考訳(メタデータ) (2021-10-13T18:00:13Z) - Quantum information spreading in a disordered quantum walk [50.591267188664666]
量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。
我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。
以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
論文 参考訳(メタデータ) (2020-10-20T20:03:19Z) - Robustness Verification of Quantum Classifiers [1.3534683694551501]
我々は、雑音に対する量子機械学習アルゴリズムの検証と解析のための正式なフレームワークを定義する。
堅牢な境界が導出され、量子機械学習アルゴリズムが量子トレーニングデータに対して堅牢であるか否かを確認するアルゴリズムが開発された。
我々のアプローチはGoogleのQuantum分類器に実装されており、ノイズの小さな乱れに関して量子機械学習アルゴリズムの堅牢性を検証することができる。
論文 参考訳(メタデータ) (2020-08-17T11:56:23Z) - Quantum One-class Classification With a Distance-based Classifier [1.316309856358873]
現在の量子ハードウェアの既存のエラーと利用可能な量子ビットの数が少ないため、より少ない量子ビットと少ない演算を使用するソリューションを使う必要がある。
我々は、最小限の量子機械学習モデルと少ない演算と量子ビットからなる量子一級量子コンピュータ(QOCC)に基づく新しい分類器を提案する。
論文 参考訳(メタデータ) (2020-07-31T17:53:00Z)
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。