論文の概要: Quantum data learning for quantum simulations in high-energy physics

• arxiv url: http://arxiv.org/abs/2306.17214v1
• Date: Thu, 29 Jun 2023 18:00:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-03 14:22:44.794785
• Title: Quantum data learning for quantum simulations in high-energy physics
• Title（参考訳）: 高エネルギー物理における量子シミュレーションのための量子データ学習
• Authors: Lento Nagano, Alexander Miessen, Tamiya Onodera, Ivano Tavernelli, Francesco Tacchino, Koji Terashi
• Abstract要約: 本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning with parametrised quantum circuits has attracted significant attention over the past years as an early application for the era of noisy quantum processors. However, the possibility of achieving concrete advantages over classical counterparts in practical learning tasks is yet to be demonstrated. A promising avenue to explore potential advantages is the learning of data generated by quantum mechanical systems and presented in an inherently quantum mechanical form. In this article, we explore the applicability of quantum-data learning to practical problems in high-energy physics, aiming to identify domain specific use-cases where quantum models can be employed. We consider quantum states governed by one-dimensional lattice gauge theories and a phenomenological quantum field theory in particle physics, generated by digital quantum simulations or variational methods to approximate target states. We make use of an ansatz based on quantum convolutional neural networks and numerically show that it is capable of recognizing quantum phases of ground states in the Schwinger model, (de)confinement phases from time-evolved states in the $\mathbb{Z}_2$ gauge theory, and that it can extract fermion flavor/coupling constants in a quantum simulation of parton shower. The observation of non-trivial learning properties demonstrated in these benchmarks will motivate further exploration of the quantum-data learning architecture in high-energy physics.
• Abstract（参考訳）: パラメトリック量子回路を用いた量子機械学習は、ノイズの多い量子プロセッサの早期応用として、過去数年間で大きな注目を集めている。 しかし, 実践的な学習課題において, 古典的課題よりも具体的な利点が得られる可能性はまだ実証されていない。 潜在的な利点を探求する有望な道は、量子力学系が生成し、本質的に量子力学形式で提示されるデータの学習である。 本稿では、高エネルギー物理学における実践的な問題への量子データ学習の適用性について検討し、量子モデルを用いるドメイン固有のユースケースを特定することを目的とする。 我々は1次元格子ゲージ理論と粒子物理学における現象量子場理論によって支配される量子状態を考える。 量子畳み込みニューラルネットワークに基づくアンサッツを用いて,シュウィンガーモデルにおいて基底状態の量子位相を認識できること,$\mathbb{z}_2$ゲージ理論において時間発展状態から(de)閉じ込め位相を認識できること,パートンシャワーの量子シミュレーションにおいてフェルミオンフレーバー/カップリング定数を抽出できることを数値的に示す。 これらのベンチマークで示される非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。

関連論文リスト

• 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 Algorithms and Applications for Open Quantum Systems [1.7717834336854132]
  オープン量子系の基本理論の簡潔な要約を提供する。 次に、最近の量子アルゴリズムに関する議論を掘り下げる。 我々は,本分野の現実的な化学,生物,物質システムへの適用性を実証し,関連する応用の議論を締めくくった。
  論文  参考訳（メタデータ） (2024-06-07T19:02:22Z)
• Toward coherent quantum computation of scattering amplitudes with a measurement-based photonic quantum processor [0.0]
  格子QCDにより現在アクセス不能な散乱可観測物の研究に量子光学シミュレーションを用いることの可能性について論じる。 計測に基づくフォトニック量子コンピューティングの最近の進歩は、必要なエキゾチックゲートを決定論的に生成するために活用できることが示されている。
  論文  参考訳（メタデータ） (2023-12-19T21:36:07Z)
• Quantum-classical simulation of quantum field theory by quantum circuit learning [0.0]
  量子回路学習を用いて量子場理論(QFT)をシミュレートする。 我々の予測は厳密な古典計算の結果と密接に一致している。 このハイブリッド量子古典的アプローチは、最先端量子デバイス上での大規模QFTを効率的にシミュレートする可能性を示している。
  論文  参考訳（メタデータ） (2023-11-27T20:18:39Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Scalable Simulation of Quantum Measurement Process with Quantum Computers [13.14263204660076]
  量子計測過程をエミュレートする量子ビットモデルを提案する。 1つのモデルは単一光子検出によって動機付けされ、もう1つはスピン測定によって動機付けされる。 我々はSchr"odinger cat-like状態を生成し、それに対応する量子回路を明示的に示す。
  論文  参考訳（メタデータ） (2022-06-28T14:21:43Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
  想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。 本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-24T12:48:00Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Machine Learning for Quantum Matter [0.0]
  本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。 機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
  論文  参考訳（メタデータ） (2020-03-24T18:00:30Z)

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。