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/2301.10780v3
• Date: Tue, 10 Dec 2024 16:31:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:34:14.644088
• 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: Vasilis Belis, Kinga Anna Woźniak, Ema Puljak, Panagiotis Barkoutsos, Günther Dissertori, Michele Grossi, Maurizio Pierini, Florentin Reiter, Ivano Tavernelli, Sofia Vallecorsa,
• Abstract要約: 教師なし量子機械学習に基づくLHCにおける異常検出タスクの戦略を提案する。 観測された性能向上は,そのモデルが利用した量子資源と関係していることを示す。
• 参考スコア（独自算出の注目度）: 0.7493013403244345
• License:
• Abstract: The ongoing quest to discover new phenomena at the LHC necessitates the continuous development of algorithms and technologies. Established approaches like machine learning, along with emerging technologies such as quantum computing show promise in the enhancement of experimental capabilities. In this work, we propose a strategy for anomaly detection tasks at the LHC based on unsupervised quantum machine learning, and demonstrate its effectiveness in identifying new phenomena. The designed quantum models, an unsupervised kernel machine and two clustering algorithms, are trained to detect new-physics events using a latent representation of LHC data, generated by an autoencoder designed to accommodate current quantum hardware limitations on problem size. For kernel-based anomaly detection, we implement an instance of the model on a quantum computer, and we identify a regime where it significantly outperforms its classical counterparts. We show that the observed performance enhancement is related to the quantum resources utilised by the model.
• Abstract（参考訳）: LHCで新しい現象を発見するためには、アルゴリズムと技術の継続的な開発が必要である。 機械学習のような確立されたアプローチと、量子コンピューティングのような新しい技術は、実験能力の強化を約束している。 本研究では、教師なし量子機械学習に基づくLHCにおける異常検出タスクの戦略を提案し、新しい現象を特定する上での有効性を実証する。 設計された量子モデル、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、問題サイズにおける現在の量子ハードウェア制限に対応するように設計されたオートエンコーダによって生成されるLHCデータの潜在表現を使用して、新しい物理事象を検出するように訓練されている。 カーネルベースの異常検出では、量子コンピュータ上でモデルのインスタンスを実装し、従来のモデルよりも大幅に優れている状態を特定する。 観測された性能向上は,そのモデルが利用した量子資源と関係していることを示す。

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。